القائمة
从数据源自动生成月度运营数据 HTML 报告，支持 ECharts 图表、规则驱动结论、可折叠侧栏导航
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Skills 库治理规范 - 新增、更新、删除 skill 的强制性守门流程。当 CC session 操作 skills/ 目录时自动触发。
Security-first vetting for OpenClaw skills. Use before installing any skill from ClawHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
HTML 报告生成通用框架 - CSS 变量设计系统、专业组件库、ECharts 图表、Mermaid 流程图、动态居中布局、可折叠侧栏、规则驱动结论。当用户需要生成 HTML 报告、数据看板、SOP 文档、KPI dashboard 或任何自包含网页报告时使用。
Execute Jupyter notebooks end-to-end with SQL pre-validation, error diagnosis, and auto-fix loops. Use when "run notebook", "execute notebook", "test notebook", or "validate notebook execution".
Standardize Jupyter notebooks (.ipynb) for interactive data analysis workflows. Enforces a mandatory cell manifest (M1-M8 + archetype chapters) with tags ([CONFIG]/[SETUP]/[FUNC]/[RUN]/[VIZ]/[EXPORT]), structured markdown sections, and output prefixes ([OK]/[WARN]/[SKIP]). Use when the user wants to standardize, clean up, or create a notebook from scratch. Two archetypes: problem-driven (question-answer analysis) and monitoring (dimension-based periodic reporting).
SQL 分段验证、自我修复、结果导出与智能分析。流程：解析SQL → Dataphin MCP 验证元数据 → 自动修复 → 分段执行验证 → 导出 CSV → 智能分析（漏斗解读、异常识别、预判用户问题）。适用场景："跑一下这个SQL"、"验证这个查询"、"帮我执行并导出"、"分析一下结果"等。
| name | monthly-report-html-generator |
| description | 从数据源自动生成月度运营数据 HTML 报告，支持 ECharts 图表、规则驱动结论、可折叠侧栏导航 |
| version | 1.1.0 |
从 Excel/CSV/Dataphin 数据源自动生成交互式月度运营数据 HTML 报告。单一 Python 脚本读取所有数据 CSV，通过 f-string 模板直接生成完整 HTML（含 ECharts 图表 + 规则驱动结论 + 可折叠侧栏导航）。
当用户需要生成月度运营数据报告时自动激活，特别适用于：
Input/rawdata.xlsx
↓ process_data.py（数据处理，产出 23 个 CSV）
Output/*.csv
↓ generate_html.py（单脚本，f-string 模板）
HTML/月报报告_{YYYYMMDD}_{HHMM}.html（自包含，仅依赖 CDN ECharts）
核心设计决策：
get_month_col() 处理 month / date_month 双命名stacked_bar_line：堆叠柱状图 + 折线（交易额、花费）dual_line：双折线图（CPS、转化漏斗）bar_multi_line：柱状图 + 多折线（质量指标）dual_line_with_bar：柱状图 + 双折线（渠道成本）single_line：单折线（整体竞得率、转化率）multi_line_grouped：多折线分组（分Q竞得率）stacked_column_chart：堆叠柱状图（撞库数据）window.addEventListener('resize') 遍历所有图表实例_trend_word(cur, prev) 返回方向词 + 变化幅度gen_conclusion_scale() — 规模（交易额 + 花费 + 最大客群）gen_conclusion_cost() — 成本（全首借CPS + T0CPS）gen_conclusion_quality() — 质量（额度 + 过件率）gen_conclusion_channel_overview() — 渠道总览（日耗 + CPS + 额度 + 过件率）gen_conclusion_request() — 请求（请求量 + 参竞率）gen_conclusion_winrate() — 竞得率（整体 + 分Q）gen_conclusion_conversion() — 转化（曝光-授信 + CTR + CVR）gen_conclusion_jz_attack() — 精准撞库gen_conclusion_jz_conversion() — 精准转化<strong>2月XX：</strong>指标A XX元，环比上升X%；toggleSidebar() + CSS transitionmargin-left: max(260px, calc((100vw - 1200px) / 2))contenteditable="true" 支持浏览器内编辑# 读取源数据 Excel，处理并输出 CSV
import pandas as pd
raw = pd.read_excel('Input/rawdata.xlsx', sheet_name=None)
# 22+ 指标处理函数，产出 Output/*.csv
from datetime import datetime
import pandas as pd
from pathlib import Path
def build_html():
# 1. 读取所有 CSV
trade = pd.read_csv("Output/trade_by_group.csv")
# ... 23 个 CSV
# 2. 单位转换
trade_total = to_js_array(trade["总计"] / 1e8, 2) # 亿
# 3. 生成结论
concl_scale = gen_conclusion_scale(trade, spend)
# 4. f-string 模板生成 HTML
html = f'''<!DOCTYPE html>
<html><head>
<script src="https://cdn.bootcdn.net/ajax/libs/echarts/5.5.0/echarts.min.js"></script>
</head><body>
<blockquote>{concl_scale}</blockquote>
<div id="chart-trade"></div>
<script>
echarts.init(document.getElementById('chart-trade')).setOption({{
xAxis: {{ data: {trade_months} }},
series: [{{ data: {trade_total}, type: 'line' }}]
}});
</script>
</body></html>'''
# 5. 写入带时间戳的文件
out = Path("HTML") / datetime.now().strftime("月报报告_%Y%m%d_%H%M.html")
out.write_text(html, encoding="utf-8")
# 对比 CSV 源数据与 HTML 内嵌数据
grep "trade_total" output.html # 检查数值
# 对比 V01 PPT 数据确保一致
diff Output/trade_by_group.csv ../V01_PPT/Output/trade_by_group.csv
症状：KeyError: 'month'
根因：spend_by_channel.csv 用 date_month，其他 CSV 用 month
修复：
def get_month_col(df):
for c in ["month", "date_month"]:
if c in df.columns:
return c
raise ValueError(f"No month column: {list(df.columns)}")
症状：抖音 CVR 全显示 0.0 根因：原始值 ~4.45e-5，×100=0.00445，round(2)=0.0 修复：
# 对极小值指标使用更高精度
dy_cvf_cvr = to_js_array(dy_cv_f["CVR"] * 100, 4) # 4位小数
症状：NameError: conv_overall_js is not defined
根因：在 f-string 中引用了未定义的函数
修复：在 f-string 之前预计算所有变量
# 预计算
tx_cvo_months_js = months_js(tx_cv_o)
# 然后在 f-string 中使用 {tx_cvo_months_js}
症状：数据标签被 chart-title 文字框挡住
根因：grid.top: 20 太小
修复：全局改为 grid.top: 45
症状：margin-left: 260px; margin-right: auto 无法居中
根因：固定左偏移 + auto 右边距只会左对齐
修复：
/* 动态居中：宽屏居中，窄屏紧贴侧栏 */
#main-content {
margin-left: max(260px, calc((100vw - 1200px) / 2));
max-width: 1200px;
}
症状：3.4 ��音转化、付��商店
根因：文件编码错误或编辑器截断中文字符
修复：逐一搜索 �� 并替换为正确中文
症状：JSON 数据显示环比 +0.1pp，但结论文本写 +0.03pp（3倍差距）；21 个数据点出现 WARN
根因：_fmt_pct() 使用"智能精度"（>10% 用1位小数，≤10% 用2位小数），导致 JSON 输出精度低于结论文本精度
修复：
# 统一使用2位小数，避免 chart 数据与结论文案精度不一致
def _fmt_pct(v):
return f"{v:.2f}"
泛化规则：所有百分比/千分比/比率类数据统一使用 2 位小数输出，包括日耗、日请求量、花费等金额类数据也应提升至 2 位小数
症状：setConclusions() 的 querySelectorAll 返回空数组，所有动态结论静默失败
根因：charts.js 使用 .conclusion-content 选择器，但 HTML 中实际 class 为 .conclusion-box
修复：将 JS 选择器从 .conclusion-content 改为 .conclusion-box
泛化规则：JS/CSS 选择器修改时必须同步检查 HTML 中对应元素的 class/id 是否匹配
症状：renderTradeByChannel() 和 renderTradeChange() 引用 chart-trade-by-channel 和 chart-trade-change，但 HTML 中无对应 canvas
根因：HTML 重构时移除了 canvas 元素，但 charts.js 未同步清理
修复：从 charts.js 中移除死函数及其在 initAllCharts 中的调用
泛化规则：HTML 结构变更后必须 grep 检查 JS 中所有 getElementById / querySelector 引用是否仍然有效
生成报告后必须验证：
python generate_html.py 返回 [OK]）�� 返回空）_fmt_pct 输出与结论文案精度一致）getElementById/querySelector 引用在 HTML 中存在）V04_HTMl/
├── generate_html.py # 单脚本生成器（~1500行）
├── Input/
│ └── rawdata.xlsx # 源数据
├── Output/
│ ├── trade_by_group.csv # 23 个中间 CSV
│ ├── spend_by_channel.csv
│ └── ...
└── HTML/
└── 月报报告_{YYYYMMDD}_{HHMM}.html # 自包含输出
/html-report-framework - HTML 报告通用框架/dp-explorer - Dataphin 数据探索/document-skills:xlsx - Excel 数据处理