collection-audio-qc
Analyzes local collection-call recordings with this project and outputs QC, tone, summary, Word, and table files. Invoke when user asks to process audio recordings into reports.
Source facts
- Repository
- Blind4529/Money-Agent
- Last source activity
- May 6, 2026 at 13:43
- Detected SKILL.md language
- Chinese
- Stars
- 8
- Forks
- 0
Install options
The review-first prompt is selected by default. You can switch to a direct command or download a local copy.
Review the source files
Read SKILL.md and any companion files shown by SkillsMP before deciding whether to install.
Showing SKILL.md
SKILL.md
Source instructions · Read-only preview- name
- collection-audio-qc
- description
- Analyzes local collection-call recordings with this project and outputs QC, tone, summary, Word, and table files. Invoke when user asks to process audio recordings into reports.
# Collection Audio QC
这个 skill 用于调用当前项目的催收录音分析能力,把本地录音处理为结构化结果,并输出为可交付文件。
适用场景:
- 用户提供一个或多个本地录音文件路径
- 用户希望直接判断录音语气、情绪、合规质检、承诺还款
- 用户希望把分析结果整理成表格或 Word 报告
- 用户希望批量处理录音并产出标准化结果
## Capabilities
- 读取本地录音文件
- 调用当前项目的音频处理链路
- 输出以下分析内容:
- 转写结果
- 坐席/客户角色映射
- 情绪与语气时间轴
- 智能小结
- 质检报告
- 承诺还款卡片
- 沟通建议
- 生成以下交付物:
- Word 报告
- 表格文件(CSV 和 XLSX)
- 可选 JSON 原始结果
## Expected Inputs
- 单个录音文件路径,例:
- `F:\MoneyAgent\code\audio\demo.m4a`
- 多个录音文件路径
- 一个待批量处理的目录路径
## Default Workflow
1. 确认当前项目目录为 `F:\MoneyAgent\code`
2. 优先使用 `python run_audio_skill.py --input <file-or-dir>` 直接执行批量分析
3. 如需复用前端/后端接口模式,再启动或复用 `api_server.py`
4. 对每个音频文件调用 `/api/import_audio_case`,或直接调用项目内 Python 函数
5. 读取返回的案件结构化结果:
- `caseInfo`
- `summary`
- `qcReport`
- `emotionTimeline`
- `transcript`
- `promiseToPay`
6. 如需要沟通建议,再调用 `/api/generate_suggestion`
7. 将结果整理成:
- 一份 Word 报告
- 一份 CSV 汇总表
- 一份 XLSX 汇总表
8. 把输出路径明确返回给用户
## Output Conventions
- 推荐输出目录:
- `F:\MoneyAgent\code\exports\`
- 推荐文件命名:
- `案件编号_质检报告.doc`
- `批量分析汇总.csv`
- `批量分析汇总.xlsx`
## Word Report Content
Word 报告建议至少包含:
- 案件编号
- 客户姓名
- 音频文件名
- 通话时长
- 智能小结
- 质检得分与违规项
- 语气/情绪概览
- 承诺还款卡片
- AI 沟通建议
## Table Columns
表格建议至少包含以下字段:
- case_id
- audio_file
- customer_name
- duration
- 通话状态
- 承诺还款
- 还款金额
- 还款日期
- 还款意愿
- 协商态度
- 投诉倾向
- 风险等级
- qc_score
- violation_count
- promise_status
- promise_amount
- promise_date
- promise_method
## Important Notes
- 优先复用本项目已有能力,不要重新发明识别流程
- 如果后端未启动,先启动 `python api_server.py`
- 如果用户要求批量处理,优先输出“汇总表 + 单案件 Word”
- 如果音频导入失败,要把失败原因写入结果汇总
- 如果 LLM 分析失败,但转写成功,也要保留转写和基础音频结果
## Example Invocation
用户示例:
- “把这 3 个录音直接分析成催收质检报告并导出 Word 和表格”
- “读取 `F:\recordings\` 下面的录音,帮我批量输出语气和承诺还款结果”
- “把这个催收录音整理成我们项目格式的报告”
推荐执行命令:
```bash
python run_audio_skill.py --input F:\recordings
python run_audio_skill.py --input F:\recordings\a.m4a F:\recordings\b.wav
python run_audio_skill.py --input F:\recordings --output F:\MoneyAgent\code\exports
```
## Execution Guidance
当接到此类请求时:
1. 先确认输入是单文件还是批量目录
2. 确认输出需要:
- 仅表格
- 仅 Word
- Word + 表格
3. 检查 `api_server.py` 是否可用
4. 调用项目接口处理录音
5. 生成最终交付文件
6. 返回:
- 分析结论摘要
- 输出文件路径
- 失败文件列表(如有)
View on GitHub