by 运行时依赖
安装命令
点击复制技能文档
数据分析报告生成器 从 Excel/CSV 数据生成专业的 HTML 分析报告，包含交互式的 ECharts 图表。支持 11 种专业报告样式：FT、McKinsey、Economist、Bloomberg、HBR、Nature、Wired、NYT、WSJ、MIT Technology Review、36Kr。
用例 用户发送 Excel/CSV 文件进行分析 用户要求生成数据分析报告 用户提到关键词，如 '数据分析报告'、'分析报告'、'数据报告'、'Excel 分析'、'CSV 分析'、'ECharts 报告' 用户希望从表格数据中获得专业的基于图表的数据可视化
快速开始 当用户发送 Excel/CSV 文件时： 运行 analyzer.py 脚本对文件进行分析 → 获取 analysis.json 运行 chart_generator.py 脚本生成图表配置 → 获取 charts.json 从模板、样式变量和图表数据构建 HTML 报告 保存并交付 HTML 文件
工作流程 步骤 1：分析数据 $env:PYTHONIOENCODING='utf-8'; python /scripts/analyzer.py --output /_tmp_analysis.json 读取输出 JSON 文件。关键字段： meta：行/列计数、结构概述 columns：每列类型检测（维度/指标/时间线） stats：指标的描述性统计 correlations：指标之间的相关性 timeline：时间序列分组（如果检测到时间线列） top_n：按指标排名前列的类别
步骤 2：选择报告样式 默认：ft。根据上下文或用户偏好选择： 样式键 最适合 FT ft 金融数据、投资分析 McKinsey mckinsey 商业策略、咨询 Economist economist 宏观经济、政策 Bloomberg bloomberg 市场数据、终端风格 HBR hbr 学术商业研究 Nature nature 科学研究 Wired wired 科技行业、大胆视觉 NYT nyt 普通新闻风格 WSJ wsj 商业/市场报道 MIT Tech Review mit 技术研究 36Kr 36kr 创业/科技生态（中文） 有关详细样式定义 → 请阅读 references/report_styles.md。
步骤 3：生成图表配置 $env:PYTHONIOENCODING='utf-8'; python /scripts/chart_generator.py --input /_tmp_analysis.json --style --output /_tmp_charts.json
步骤 4：构建 HTML 报告 读取 assets/report_template.html 读取 references/style_variables.json → 选择所选样式的 CSS 变量 替换模板占位符： {{REPORT_TITLE}} → 描述性报告标题（从数据中推断） {{REPORT_SUBTITLE}} → 简要数据摘要行 {{REPORT_DATE}} → 当前日期（YYYY-MM-DD） {{ROW_COUNT}} → 总行数 {{COL_COUNT}} → 总列数 {{STYLE_LABEL}} → 样式显示名称 {{BG_PRIMARY}} 到 {{FONT_BODY}} → 样式 CSS 变量 {{CHART_DATA_JSON}} → 图表 JSON（来自步骤 3，只有图表对象） {{SUMMARY_STATS_JSON}} → 统计 JSON（来自步骤 1，统计对象） {{INSIGHTS}} → AI 生成的洞察段落（见步骤 5） 将最终 HTML 写入工作区
步骤 5：生成 AI 洞察 根据分析结果，编写 3-6 个洞察段落作为
元素： 主要发现：哪些维度类别占主导地位？是否有意外的领导者？ 趋势分析：如果存在时间线数据，什么趋势可见？增长/下降？ 相关性洞察：哪些指标强烈相关？是否有意外的关系？ 分布注意事项：高方差指标、异常值或偏态分布 异常：缺失数据、极端值或不寻常的模式 每个洞察应该是 1-3 句话，具有具体的数字。格式：
🔍 发现： 类别 X 占总收入的 42%（¥1.2M），是平均值的 3.5 倍。
步骤 6：交付 将最终 HTML 文件保存到工作区并提供给用户。报告是一个自包含的 HTML 文件，可以在任何浏览器中打开。
多文件分析 当用户发送多个 Excel/CSV 文件时： 分别分析每个文件 生成一个包含每个文件单独部分的综合报告 如果文件具有相似的结构，则添加跨文件比较部分
自定义 用户请求不同的样式 重新运行步骤 3-4 使用新的样式键。无需重新分析数据。 用户希望特定的图表 在步骤 1 之后，手动构造 ECharts 选项对象以请求图表类型。 参考 references/chart_types.md 以获取类型选择规则。 用户希望额外的分析 运行自定义 pandas 分析脚本使用相同的数据文件。 将结果添加为 HTML 报告中的附加部分。
依赖项 Python 3.8+，包括： pandas openpyxl numpy ECharts 5.5.0（通过 CDN 在 HTML 模板中加载 — 无需本地安装） 如果缺少依赖项，请安装： pip install pandas openpyxl numpy
文件结构 data-analysis-report/ ├── SKILL.md # 本文件 ├── scripts/ │ ├── analyzer.py # 数据分析引擎 │ └── chart_generator.py # ECharts 配置生成器 ├── references/ │ ├── report_styles.md # 11 种样式定义 │ ├── chart_types.md # 图表类型选择指南 │ └── style_variables.json # 每种样式的 CSS 变量 └── assets/ └── report_template.html # HTML 报告模板