القائمة
XAgent是一个智能跨域分析助手，基于SOP驱动的规划、多工具协调和多层次数据分析框架，提供专业的商业智能和数据分析能力。当用户需要进行数据分析、业务分析、生成报告或需要结构化的问题解决方案时使用。
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
This skill should be used when the user asks to "create a slash command", "add a command", "write a custom command", "define command arguments", "use command frontmatter", "organize commands", "create command with file references", "interactive command", "use AskUserQuestion in command", or needs guidance on slash command structure, YAML frontmatter fields, dynamic arguments, bash execution in commands, user interaction patterns, or command development best practices for Claude Code.
投资尽调报告专业生成工具。当用户需要撰写投资尽调报告、尽职调查报告、投资分析报告时使用此skill。支持处理Excel财务数据、PDF文档等多种格式数据源，自动生成包含执行摘要、业务分析、财务分析、风险提示、投资建议等核心章节的专业报告。无论用户明确要求"写报告"还是提到"分析投资标的"、"评估项目"、"做DD"等相关需求时，都应使用此skill。
Create new skills, modify and improve existing skills, and measure skill performance. Use when users want to create a skill from scratch, update or optimize an existing skill, run evals to test a skill, benchmark skill performance with variance analysis, or optimize a skill's description for better triggering accuracy.
Single source of truth and librarian for ALL Claude official documentation. Manages local documentation storage, scraping, discovery, and resolution. Use when finding, locating, searching, or resolving Claude documentation; discovering docs by keywords, category, tags, or natural language queries; scraping from sitemaps or docs maps; managing index metadata (keywords, tags, aliases); or rebuilding index from filesystem. Run scripts to scrape, find, and resolve documentation. Handles doc_id resolution, keyword search, natural language queries, category/tag filtering, alias resolution, sitemap.xml parsing, docs map processing, markdown subsection extraction for internal use, hash-based drift detection, and comprehensive index maintenance.
Implements Manus-style file-based planning for complex tasks. Creates task_plan.md, findings.md, and progress.md. Use when starting complex multi-step tasks, research projects, or any task requiring >5 tool calls. Now with automatic session recovery after /clear.
Expert SQL developer specializing in complex query optimization, database design, and performance tuning across PostgreSQL, MySQL, SQL Server, and Oracle. Masters advanced SQL features, indexing strategies, and data warehousing patterns.
| name | xagent |
| description | XAgent是一个智能跨域分析助手，基于SOP驱动的规划、多工具协调和多层次数据分析框架，提供专业的商业智能和数据分析能力。当用户需要进行数据分析、业务分析、生成报告或需要结构化的问题解决方案时使用。 |
一个全面的Claude技能，实现XAgent的智能跨域分析能力，以SOP驱动的规划、多工具协调和多层次数据分析为特色。
XAgent是一个精密的跨域智能助手，在各个领域提供结构化、高质量的分析。它使用标准作业程序（SOP）确保一致的、高质量的输出，并协调多个工具高效完成复杂任务。
该技能是自包含的，除了Python 3.8+外不需要任何外部依赖。所有组件都包含在包中。
from xagent_skill import XAgent, XAgentConfig
# 使用默认配置初始化
agent = XAgent()
# 处理用户查询
result = agent.process_request(
query="分析销售数据趋势并识别增长机会",
user_id="user_001"
)
if result['guidance_prompt']:
print(f"生成了专业指导prompt，长度: {len(result['guidance_prompt'])}字符")
print(f"推荐的工具: {result['recommended_tools']}")
print(f"包含多层次规划: {result['metadata']['has_hierarchical_planning']}")
if result['hierarchical_plan']:
print(f"预计工时: {result['hierarchical_plan']['estimated_timeline']['total_estimated_hours']}小时")
from xagent_skill import XAgent, XAgentConfig
# 自定义配置
config = XAgentConfig(
enable_sop_guidance=True,
enable_hierarchical_planning=True,
enable_tool_coordination=True,
enable_domain_expertise=True,
enable_analysis_guidance=True,
prompt_language="zh-CN",
detail_level="comprehensive"
)
agent = XAgent(config)
# 多轮对话示例
session_id = "analysis_session"
# 第一次查询
result1 = agent.process_request(
query="分析Q3销售业绩",
user_id="analyst_001",
session_id=session_id
)
# 后续查询，带上下文
result2 = agent.process_request(
query="重点关注表现不佳的区域并提出改进建议",
user_id="analyst_001",
session_id=session_id
)
# 复杂报告写作
result3 = agent.process_request(
query="基于以上分析，撰写一份完整的季度业绩分析报告",
user_id="analyst_001",
session_id=session_id
)
SOPPlanningSkill)使用标准作业程序生成结构化执行计划。
特性：
from joyagent_skill import SOPPlanningSkill
planner = SOPPlanningSkill()
plan = planner.plan("分析客户流失模式")
print(f"生成了{len(plan.steps)}个步骤")
print(f"模式: {plan.mode.value}")
TaskExecutionSkill)使用并行处理能力执行结构化计划。
特性：
from joyagent_skill import TaskExecutionSkill
executor = TaskExecutionSkill(max_parallel_tasks=3)
results = executor.execute(plan, context={'data': sales_data})
PromptEngine)管理复杂的prompt模板和链，确保AI行为一致。
特性：
from joyagent_skill import prompt_engine
# 获取复杂分析的最优prompt
prompt = prompt_engine.get_optimal_prompt(
'complex_analysis',
{'query': '分析市场趋势'}
)
MultiToolCoordinator)智能选择和协调多个分析工具。
特性：
from joyagent_skill import MultiToolCoordinator
coordinator = MultiToolCoordinator()
tools = coordinator.select_tools("全面数据分析")
plan = coordinator.create_execution_plan(tools)
DataAnalysisSkill)实现专业的四阶段数据分析框架。
特性：
from joyagent_skill import DataAnalysisSkill
analyzer = DataAnalysisSkill()
results = analyzer.analyze(sales_data, "分析销售业绩")
report = analyzer.generate_analysis_report(results)
ConversationManager)管理多轮对话和上下文记忆。
特性：
from joyagent_skill import ConversationManager
manager = ConversationManager()
conv_id = manager.start_conversation("user_001", "session_001", "初始查询")
manager.add_message(conv_id, MessageRole.USER, "后续问题")
config = JoyAgentConfig(
enable_sop_planning=True, # 启用SOP规划
enable_multi_tool_coordination=True, # 启用工具协调
enable_conversation_memory=True, # 启用对话上下文
enable_data_analysis=True, # 启用数据分析框架
max_parallel_tools=3, # 最大并行工具数
max_conversation_history=50, # 最大对话消息存储数
auto_optimization=True # 启用性能优化
)
planner.update_thresholds(
high=0.9, # 高置信度SOP匹配阈值
low=0.4 # 无SOP模式阈值
)
from joyagent_skill import JoyAgent
agent = JoyAgent()
result = agent.process_request(
query="分析2023年销售数据，识别增长趋势并提出改进策略",
user_id="sales_manager"
)
# 输出包括：
# - 详细销售趋势分析
# - 增长机会识别
# - 战略建议
# - 支持数据可视化
result = agent.process_request(
query="分析客户流失模式，识别关键风险因素并提出保留策略",
user_id="customer_success"
)
# 输出包括：
# - 流失率分析
# - 风险因素识别
# - 客户细分分析
# - 保留策略建议
# 初始广泛分析
result1 = agent.process_request(
query="提供Q3绩效指标概览",
user_id="analyst",
session_id="quarterly_review"
)
# 深入特定领域
result2 = agent.process_request(
query="专注于利润率最高的产品线并分析客户满意度",
user_id="analyst",
session_id="quarterly_review"
)
# 生成最终报告
result3 = agent.process_request(
query="创建包含可行建议的综合执行摘要",
user_id="analyst",
session_id="quarterly_review"
)
{
"plan_id": "plan_1234567890",
"title": "销售数据分析计划",
"mode": "HIGH_MODE",
"steps": [
{
"step_order": 1,
"title": "数据收集和验证",
"description": "收集和清洗销售数据",
"tools": ["data_analysis"],
"expected_output": "已验证的数据集"
}
],
"confidence": 0.95
}
# 销售数据分析报告
## 执行摘要
- 总销售额：¥X.XM（同比增长Y%）
- 关键发现：[最重要的洞察]
## 详细分析
### 1. 描述性分析
- 销售趋势和模式
- 绩效指标
### 2. 异常检测
- 识别异常
- 根本原因分析
### 3. 相关性分析
- 关键关系
- 影响因素
### 4. 预测分析
- 预测结果
- 场景建模
## 建议
1. [战略建议]
2. [战术建议]
## 限制
- [分析约束]
- [数据限制]
# 直接导入
from joyagent_skill import JoyAgent
# 带自定义配置
from joyagent_skill import JoyAgent, JoyAgentConfig
# 单独组件使用
from joyagent_skill import SOPPlanningSkill, DataAnalysisSkill
# REST API使用（通过FastAPI部署时）
import requests
response = requests.post('http://localhost:8000/api/chat', json={
'message': '分析销售数据',
'user_id': 'user_001'
})
技能可以直接在Claude Agent环境中导入和使用：
# 在Claude Agent上下文中
skill = load_skill('joyagent_skill')
result = skill.execute("分析客户数据")
问题：分析失败，显示"数据不足" 解决方案：确保最少50个数据点并包含足够列
问题：未生成执行计划 解决方案：检查查询清晰度和具体性
问题：响应缓慢 解决方案：减少数据集大小或简化分析范围
问题：结果不一致 解决方案：使用一致的数据格式和查询措辞
import logging
logging.basicConfig(level=logging.DEBUG)
agent = JoyAgent()
result = agent.process_request("测试查询", debug=True)
# 获取系统统计
stats = agent.get_stats()
print(f"成功率: {stats['successful_requests']/stats['total_requests']:.2%}")
print(f"平均响应时间: {stats['avg_response_time']:.2f}s")
虽然这是自包含技能，但欢迎通过以下方式进行改进：
本技能基于MIT许可证提供。详情请参见LICENSE文件。
如遇问题、问题或功能请求：
版本：2.0.0 最后更新：2024-12-14 兼容性：Claude Agent, Python 3.8+ 升级说明：从JoyAgent 1.0.0升级到XAgent 2.0.0，增强跨域能力和MCP集成