store-report

name

store-report

description

Use for generating a professional store big-data report (店铺大数据报告) from the HandaaS store MCP — covering 餐饮品牌门店、餐饮门店分布统计、线下门店检索明细. Supports two modes: enterprise (--enterprise) for a company's restaurant brands + branch stats, and search (--store-name/--brand/--category) for offline store retrieval. Trigger when users ask for “店铺大数据报告”, “店铺分析报告”, “查一家公司的餐饮门店”, “餐饮品牌门店”, “门店分布统计”, “线下门店检索”, “找线下门店”, or “企业门店画像”. Infer intent, pick the right MCP tools, and produce HTML + Markdown + JSON reports automatically.

店铺大数据报告

用户契约

把“店铺大数据报告”作为面向用户的调用短语。store-report 仅为内部包名。

当本 skill 处于激活状态：

1. 不要向用户索要 product_id、MCP 工具名、API 字段、内部参数或凭证信息；只接受企业名称（企业模式）或店铺名称 / 经营品牌 / 店铺分类（检索模式）。
2. 接受自然目标，例如“查一下某某公司的餐饮门店”“分析这家企业的品牌矩阵与门店分布”“找北京地区某品牌的线下门店”“给我一份某某公司的店铺画像报告”。
3. 当用户只给企业关键词时，自动调用关键词模糊查询补全企业全称，再查门店详情。
4. 优先使用 MCP 连接（STORE_MCP_URL Remote MCP 或本地 handaas-mcp-server/store-mcp-server）；不要让用户处理签名或凭证。
5. 同时产出 HTML（可分享交付）、Markdown（知识库 / wiki）、JSON（系统集成）三类产物。
6. 报告正文必须是专业研究报告风格：只见店铺事实与结构化数据，绝不出现工具名、入参、product_id、内部字段或空表。
7. 绝不打印 secret_id、secret_key、签名、token 或原始签名请求。
8. 默认 dry-run；真实付费 / 凭证调用需用户明确要求且 MCP 连接配置完整。
9. 数据为空时明确说明数据范围 / 口径，不渲染空表、不臆造事实。

• MCP 返回的嵌套 JSON 字符串（如金额 {"coinType":"人民币","value":430000000.0}、地址 {"city":"杭州市",...}）必须解析为可读文本（如"4.30 亿 人民币"、"浙江省杭州市"），绝不在报告正文、表格或指标中输出原始 JSON 字符串。
• 报告所有章节标题、指标卡标签必须用中文；core_analysis.sections 的 title 字段必须中文，不可显示英文 key（如 holders、investments）。
• 指标值必须可读化：金额格式为"X 亿/万 + 币种"，地址拼接省市区，比率显示百分号。详见 references/report-output.md 的「数据格式约束」。

MCP 服务入口

• 上游 MCP 项目：handaas-mcp-server/store-mcp-server（位于 HANDAAS_MCP_SERVER_ROOT 或本仓库同级目录）。
• Remote MCP：设置环境变量 STORE_MCP_URL（streamable-http），可选 STORE_MCP_TOKEN。
• 本地 MCP：设置 HANDAAS_MCP_SERVER_ROOT 指向 handaas-mcp-server 仓库根目录；该 server 自己的 .env 提供 INTEGRATOR_ID / SECRET_ID / SECRET_KEY。
• 首次真实查询前，运行 scripts/mcp_client.py ping 与 scripts/mcp_client.py list-tools 验证连通。

按需加载 references

• 不清楚该 MCP 有哪些工具、参数、返回字段、何时调用：references/mcp-tools-reference.md。
• 报告结构、章节、质量底线、渲染工作流：references/report-output.md。

意图路由

用户意图	内部工作流
查一家公司的餐饮品牌门店与分布	企业模式：compose_report.py --enterprise ...
门店分布统计（按品牌 id）	企业模式自动取首个品牌 brandId 调 restaurant_branch_stats
按店铺名称 / 品牌 / 分类 / 地区检索线下门店	检索模式：compose_report.py --store-name/--brand/--category [--address] ...
只给企业关键词（不是全称）	先 store_bigdata_fuzzy_search 补全全称，再查详情（企业模式）
只要 JSON / 只要 HTML / 只要 Markdown	用 --output（JSON）或 --report-output（HTML+MD），或 render_report.py 重渲染
连接 / 工具不存在 / 传参错误	mcp_client.py ping / list-tools 排查；报脱敏后的缺失项

Golden path for 店铺大数据报告

1. 选择模式：若用户提供企业主体 → 企业模式；若用户提供店铺名称 / 品牌 / 分类 → 检索模式。
2. 企业模式：若输入含“公司/集团/有限/院/厂/中心/事务所/合作社/合伙”等后缀视为全称；否则调 store_bigdata_fuzzy_search 取首个命中。
   • 调 store_bigdata_company_restaurant_branches（matchKeyword=企业全称）→ 旗下品牌列表 + 门店总数。
   • 取首个品牌的 brandId → 调 store_bigdata_restaurant_branch_stats（matchKeyword=品牌 id）→ 城市 / 省份分布。
3. 检索模式：调 store_bigdata_offline_store_search（ooStoreName / ooStoreBrandList / ooStoreCalClassification / address）→ 线下门店检索明细。
4. 组装统一报告：核心分析含餐饮品牌门店（表）、餐饮门店分布统计（表）、线下门店检索明细（表）。
5. 渲染三件套：compose_report.py --enterprise ... | --store-name ... --output ... --report-output ... 直接产出 JSON + HTML + Markdown。
6. 返回路径：返回 JSON、HTML、Markdown 文件路径，以及模式与企业全称 / 检索条件映射、数据口径。

脚本速查

# 校验连接配置（脱敏）
python scripts/validate_config.py --allow-placeholders

# 连通性自测
python scripts/mcp_client.py ping
python scripts/mcp_client.py list-tools

# 干跑 — 企业模式（不调真实 API）
python scripts/compose_report.py \
  --enterprise "示例餐饮管理有限公司" \
  --dry-run \
  --output output/store.json \
  --report-output output/store.html

# 真实查询 — 企业模式（需 MCP 连接就绪）
python scripts/compose_report.py \
  --enterprise "示例餐饮管理有限公司" \
  --output output/store.json \
  --report-output output/store.html

# 检索模式 — 按店铺名称 / 品牌 / 分类 / 地区
python scripts/compose_report.py \
  --store-name "示例咖啡" --brand "示例" --category "餐饮,咖啡厅" --address "广东省,广州市" \
  --output output/store_search.json \
  --report-output output/store_search.html

# 手动调单个工具
python scripts/mcp_client.py call-tool \
  --tool store_bigdata_company_restaurant_branches \
  --arguments-json '{"matchKeyword": "示例餐饮管理有限公司", "keywordType": "name"}'

# 重渲染已有 JSON
python scripts/render_report.py --input output/store.json --output output/store.html
python scripts/render_report.py --input output/store.json --output output/store.md

输出字段

• subject：模式（enterprise / search）、企业全称（企业模式）/ 门店检索条件（检索模式）、是否自动补全。
• abstract / summary：封面摘要与详细摘要。
• metrics：旗下门店总数、品牌数量、覆盖城市数、覆盖省份、线下门店检索结果（按模式填充）。
• caliber：匹配对象、匹配方式、数据范围、产品、局限。
• core_analysis：餐饮品牌门店（表）、餐饮门店分布统计（表）、线下门店检索明细（表）。
• representative_records：代表性门店 / 品牌记录。
• insights：结构化解读（门店资产规模 / 品牌矩阵 / 地域覆盖 / 门店集中度）。
• data_source：MCP server、数据产品、生成时间、是否 dry-run、模式。

若 API 调用失败，明确报出缺失的配置 / 缺失的工具 / MCP 错误 / 参数校验错误 / 上游网络错误，给出 dry-run 命令或配置步骤，绝不暴露密钥。