lgwanai/echart-skill

Latest recorded source activity: October 19, 2026 at 16:03

SkillsMP catalog refreshed: November 12, 2026 at 12:52

skills collected: 1

GitHub stars: 49
GitHub forks: 6

Install with an AI assistant

Copy this prompt into the AI assistant you're using.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/lgwanai/echart-skill.

Repository README

Repository README source: README.md

Read the source README

Expand full README

# Echart Skill — Enterprise Agent BI 新增：可把满意的分析保存为项目任务（`config/tasks/`），固化参数化 SQL、执行检查和报告/Dashboard 模板。以后“按上次模式分析本期数据”即可复用；关键参数不明会询问，定义变化会要求复核，不复制旧结论。报告强制完整口径，并实际测试桌面/手机端的数据表展开与收起。详见 [任务固化与复用](workflow_specs/report_workflow.md#reusable-analysis-tasks)。 本地优先 · 安全合规 · 企业级数据分析 Agent <a href="README_EN.md">🇬🇧 English</a>  |  🇨🇳 中文 <img src="https://img.shields.io/badge/version-2.1.0-blue" alt="Version"> <img src="https://img.shields.io/badge/python-3.10+-green" alt="Python"> <img src="https://img.shields.io/badge/license-MIT-yellow" alt="License"> <img src="https://img.shields.io/badge/charts-27_types-orange" alt="Charts"> <img src="https://img.shields.io/badge/archived_recipes-353-purple" alt="Archived recipes"> --- **Echart Skill** 不是单纯的图表生成器，而是一套面向企业数据分析全流程的 **本地 Agent BI 能力包**——将专业数据分析师的工作流（导入→清洗→口径定义→质量评估→分析→可视化→报告→审计）压缩为一个可复用的 AI Agent Skill。 > 核心主张：**让企业在不引入重型 BI 平台、不上传业务数据、不把敏感数据交给大模型的前提下，用 AI Agent 完成专业、可审计、可交付的数据分析。** --- ## 为什么选择 Echart Skill？ ### 🔒 数据安全第一 | 能力 | 实现方式 | |------|----------| | **0 联网分析链路** | CSV/Excel/DuckDB 查询、清洗、统计、洞察、报告均在本地完成，自包含 HTML 离线可打开 | | **0 明细过大模型** | 不将整表、明细行塞入模型上下文；模型仅接收 schema、聚合结果和样本级摘要 | | **PII 自动检测与脱敏** | 12 类敏感字段自动识别（手机号、邮箱、身份证、银行卡、薪资、地址等），支持列级脱敏 | | **审计追踪** | 指令日志、查询 hash、脱敏状态、分类级别全量记录，支持按日期生成审计报告 | | **数据血缘** | 追踪每份报告/图表的数据来源表、字段、统计口径和 query hash，让结果可复核 | ### 🏢 企业级工作流集成 Echart Skill 深度融入企业数据管理体系，不只是查询工具： - **自定义统计口径**：通过 `/scope` 定义全局/项目级业务指标（如 GMV、客单价、转化率），保证不同报告和 Dashboard 使用同一口径。项目级口径仅在项目目录及子目录生效，互不干扰。 - **自定义表结构数据描述**：通过 `/schema` 管理表结构定义（列名、类型、含义、主外键），Agent 生成 SQL 时自动引用精确的字段描述，避免猜测字段含义导致的查询错误。 - **三级配置体系**：全局 → 项目级 → 运行时配置，数据库连接、表结构定义、统计口径均可按级别管理。 - **外部数据库直连**：支持 MySQL / PostgreSQL / MongoDB 直连查询，无需预先导入 DuckDB；连接密码使用 `${ENV_VAR}` 环境变量占位符，SQL 执行统一走 `scripts/sql_runner.py` / `scripts/db_cli.py`，杜绝硬编码和临时 Python 片段。 - **企业级输出门禁**：任何查询、导出、报告、图表和 Dashboard 都必须具备统计口径、数据血缘/来源、生成时间、证据引用和专业版式；查询/导出自动生成 `.meta.json` 旁路元数据，HTML 产物通过静态质量门拦截坏布局。 - **图表数据可核验**：每个图表区域必须提供“查看数据”按钮，默认隐藏对应数据表，点击后可查看该图实际使用的汇总数据或明细样本。 - **数据轮询刷新**：支持 HTTP API / 外部数据库定时轮询，自动刷新本地分析表。 - **非破坏式操作**：所有数据修改创建新表或视图，支持任意步骤回退（Undo）。 ### 📊 专业分析引擎 | 能力 | 说明 | |------|------| | **自动洞察发现** | 7 种模式：趋势、异常、排名、构成、相关性、周期性、变化检测 | | **趋势预测** | 4 种方法（移动平均/指数平滑/线性回归/集成），零外部 ML 依赖 | | **归因分析** | 指标变化贡献度分解、自动钻取下钻建议 | | **数据质量评分** | 缺失率、重复率、常量列、疑似 ID 检测、质量分、等级和建议 | | **10 大领域专家库** | 销售电商、流量增长、财务管理、营销活动、运营履约、客户会员、产品内容、风控数据质量、通用经营等 | | **金字塔结构报告** | 结论先行 → 图表举证 → 归因解释 → 行动建议 → 附录数据 | ### 🎨 企业级数据可视化 - **27 类图表**：柱状/折线/饼图/散点/雷达/漏斗/仪表盘/热力图/树图/桑基图/关系图/K线/3D 等 - **常用图表固定编译**：9 种视图由维护好的生成器读取真实查询结果，自动生成 option、离线运行时和核对表；353 份历史配方无损归档，仅特殊需求按需读取，不再机械替换数组 - **多层地图**：省份（china.js）→ 城市（省份 JS）→ 区县街道（百度地图 API） - **交互式 Dashboard**：KPI 卡片、趋势图、异常提醒、主题切换、响应式布局、PDF/PNG 导出 - **Dashboard 专家规划**：生成前读取 `workflow_specs/dashboard_expert_library/INDEX.md`，新增专家按 `workflow_specs/dashboard_expert_library/DASHBOARD_EXPERT_TEMPLATE.md` 扩展 - **Dashboard 深度门槛**：业务 Dashboard 在数据支持时至少包含 6 个分析模块，标题必须可追溯到用户请求、文件、表名或真实字段 - **企业级视觉**：统一 HTML 骨架、语义色、打印友好、暗色/亮色双主题 --- ## 快速开始 ### 环境要求 - Python 3.10+ - Windows / macOS / Linux ### 安装 ```bash # 1. 解压 Skill 包 unzip echart-skill_*.zip -d ~/skills/ cd ~/skills/echart-skill # 2. 安装依赖 pip install -r requirements.txt # 完整安装（~100 MB） # 或 pip install -r requirements-core.txt # 核心依赖（~40 MB，覆盖 90% 场景） # 3. 注册到 Agent 平台 ln -s ~/skills/echart-skill ~/.claude/skills/echart-skill # Claude Code # 4. 开始使用 # 在项目目录创建 CLAUDE.md，添加 @~/.claude/skills/echart-skill/SKILL.md ``` ### 30 秒体验 ```bash /import sales_2024.xlsx # 导入数据 /query SELECT region, SUM(amount) FROM sales_2024 GROUP BY region # 查询 python scripts/sql_runner.py --db workspace.duckdb "SELECT COUNT(*) FROM sales_2024" /chart bar 各区域销售额对比 # 生成图表 /dashboard 创建销售分析仪表盘 # 一键仪表盘 /report sales --format html # 生成企业报告 /quality sales_2024 # 数据质量评分 ``` --- ## 核心能力图谱 ``` ┌──────────────────────────────┐ │ 企业决策与交付层 │ │ Dashboard │ Report │ 导出 │ └────────────┬─────────────────┘ │ ┌──────────────────────┼──────────────────────┐ │ │ │ ┌─────────▼─────────┐ ┌────────▼────────┐ ┌─────────▼─────────┐ │ 分析与洞察层 │ │ 预测与归因层 │ │ 可视化引擎层 │ │ Insight Engine │ │ Forecast/Attrib │ │ 编译器 · 配方归档 │ │ 7 种洞察模式 │ │ 4 种方法 · 钻取 │ │ 地图 · 3D · 关系 │ └─────────┬─────────┘ └────────┬────────┘ └─────────┬─────────┘ │ │ │ └──────────────────────┼──────────────────────┘ │ ┌────────────▼────────────┐ │ 数据治理层 │ │ 口径 │ 质量 │ 血缘 │ │ 审计 │ 隐私 │ 脱敏 │ └────────────┬────────────┘ │ ┌────────────▼────────────┐ │ 数据基础层 │ │ Import │ Clean │ DB │ │ DuckDB │ 外部数据库 │ └─────────────────────────┘ ``` --- ## 数据质量：让分析建立在可信数据之上 Echart Skill 将数据质量作为分析流程的**前置环节**，而非事后补救。 ```bash /quality orders --format markdown ``` **质量报告包含**： - **完整性**：每列缺失率、缺失模式分析 - **唯一性**：重复行检测、疑似主键推荐 - **有效性**：常量列检测（无信息列）、类型一致性 - **合规性**：疑似 ID 字段标记、PII 风险提示 - **综合评分**：A/B/C/D 四级，附带具体改进建议 > 生成企业报告或 Dashboard 前建议先跑质量评分。等级 C/D 或有 critical 问题时，报告结论自动标注「初步判断」并说明数据限制。配合 `/clean` 的 Agent 引导式清洗流程（类型转换、多列唯一键排重、规则引擎校验、跨表验证），形成 **质量评估 → 定向清洗 → 再次验证** 的闭环。 **项目规则自动复用**：只需说“把这条清洗规则记在当前项目，后续分析自动应用”。Agent 将规则保存到项目的 `config/data_cleaning/`，试运行并按授权确认后，`sql_runner` / `analysis_runner` 对该项目已登记的本地 DuckDB 表自动清洗再分析；原表不变，不默认去重。规则或引擎变更、校验失败会阻断执行，查询结果元数据记录规则与源数据指纹。外部数据库先导入并核对本地快照的新鲜度，不直接修改远端表。详见 [项目清洗流程](workflow_specs/data_cleaning_workflow.md)。 **项目报告方案自动复用**：说“把这套分析方法、布局和图表偏好设为当前项目默认方案”，Agent 会保存到项目 `config/reports/`。后续报告先自动发现和加载，再执行分析任务、按章节排版和选择图表；本次临时要求不覆盖默认。每个方法须绑定真实查询证据或明确说明数据缺口，方案变更、证据缺失、图表不适用和渲染失败均阻断交付。支持通用专家库、项目方法说明、双列/通栏布局和被动 HTML/CSS 外壳；不是仅记一段提示词。详见 [报告方案与执行流程](workflow_specs/report_workflow.md)。 **项目 Dashboard 方案自动复用**：项目主/辅助专家、必做分析、模块顺序、1–3 列布局、通栏图和图表偏好保存在独立的 `config/dashboards/`。首次说“设为项目默认看板方案”，后续直接说“按项目默认方案生成看板”。生成器从真实查询结果读取 KPI，应用布局并验证证据及桌面/移动端渲染；专家或模板变更后重新核对计划，不静默忽略。支持常用图表、明细表、SVG 下载和 PDF 导出；特殊地图/交互需要额外实现与验证，不伪装成已支持。详见 [Dashboard 项目方案](workflow_specs/dashboard_workflow.md)。 --- ## 自定义口径：企业级指标治理在企业数据分析中，同一个指标在不同部门可能有不同定义。"口径不一致"是数据混乱的首要来源。Echart Skill 提供两级口径管理： ```bash # 全局口径：所有项目生效 /scope set --level global --name "GMV" --desc "SUM(pay_amount) WHERE status='paid'" # 项目口径：仅在当前项目目录及子目录生效 /scope set --level project --name "GMV" --desc "SUM(order_amount) WHERE is_valid=1" # 查看当前生效的口径 /metrics effective ``` **核心原则**： - 项目级口径同名覆盖全局口径 - 执行目录位于项目目录树内时，自动切换为项目口径 - Agent 生成 SQL/报告/Dashboard 时自动引用当前生效口径 - 所有使用口径的产物通过 `/lineage` 可追踪 --- ## 自定义表结构：让 Agent 真正理解你的数据数据表列名往往是缩写或业务术语（如 `pay_amt`、`ch_type`、`uid`）。通过 `/schema` 为表结构提供精确描述，Agent 生成 SQL 将显著提升准确性： ```bash # 为表添加列级描述 /schema add --name orders --columns " id:INT:订单ID:pk, pay_amt:DECIMAL:实付金额(元), ch_type:VARCHAR:渠道类型(online/offline/partner), uid:INT:用户ID:fk->users.id " # 项目级定义（表结构仅在该项目可见） /schema add --name orders --level project --columns "..." # 查询当前生效的表结构 /schema list ``` | 无 Schema | 有 Schema | |-----------|----------| | Agent 根据 `pay_amt` 猜测含义 | Agent 精确知道是「实付金额(元)」 | | 无法判断 `ch_type` 的合法值 | Agent 知道渠道分为 online/offline/partner | | 不会自动关联用户表 | Agent 知道 `uid` 关联 `users.id` | | 查询质量依赖 Agent 运气 | 查询质量可预期、可复现 | --- ## 安全与合规：从设计上保护数据 ``` ┌─────────────────────────────────────────────────────────────┐ │ 安全架构 │ │ │ │ 用户指令 ──→ Agent 规划 ──→ 本地执行 ──→ 本地输出 │ │ │ │ │ │ │ │ ┌────▼────┐ │ │ │ │ │ DuckDB │ │ │ │ │ │ (本地) │ │ │ │ │ └────┬────┘ │ │ │ │ │ │ │ │ Schema/ PrivacyGuard Audit Pipeline │ │ 聚合结果 PII 检测·脱敏指令·查询·Hash │ │ │ │ │ │ │ └───────────────┼──────────────┘ │ │ │ │ │ 大模型上下文 │ │ (仅含 schema + 聚合) │ └─────────────────────────────────────────────────────────────┘ ``` **安全防护清单**： | 防护层 | 机制 | |--------|------| | **数据隔离** | 原始数据仅存在于本地 DuckDB，大模型无法直接访问 | | **列级脱敏** | 手机号 → `138****1234`，邮箱 → `u***@domain.com`，身份证 → `3201**********1234` | | **审计日志** | JSON-lines 格式，记录时间戳、表名、列、行数、脱敏状态、分类级别、query hash | | **4 级数据分类** | `public < internal < sensitive < restricted` | | **非破坏式处理** | 默认生成新表、新文件和审计记录，避免覆盖原始数据 | 外部数据库查询同样经过 PrivacyGuard 检测与审计管线，使用 `/audit-report` 统一查看。企业环境下可以写 SQL 和 `.sql` 文件，但不要使用 `python3 <<EOF`、`psycopg2.connect`、`psycopg.connect`、`pymysql.connect`、`duckdb.connect`、`create_engine`、`cursor.execute` 这类临时连接/执行代码；先用 `/dbconn` 登记连接。连接测试成功后会把表、字段类型、分析角色和近似行数写入项目自己的 `.echart-skill/data_sources.json`，以后分析先运行 `python scripts/project_data_context.py resolve --query "<request>"` 选择数据源，再用 `python scripts/sql_runner.py --profile <name> --sql "<SELECT ...>"` 或 `python scripts/sql_runner.py --profile <name> --file queries/<task>.sql` 执行。项目索引不保存主机、用户名、密码、连接串或样例值。 --- ## 30+ 命令速览 ### 数据基础 | 命令 | 说明 | |------|------| | `/import` | 导入 CSV/Excel/URL 数据，自动处理合并单元格 | | `/clean` | Agent 引导式数据清洗（类型转换、去重、规则校验、跨表验证） | | `/export` | 导出查询结果或整表为 CSV/Excel | | `/tables` | 查看表结构、行数、列信息 | | `/query` | 通过统一 SQL runner 执行查询，支持 DuckDB、已配置 PostgreSQL/MySQL profile、JOIN、GROUP BY、子查询 | | `/catalog` | 生成本地数据资产目录，含字段角色、质量分、缺失率、唯一率 | ### 可视化 | 命令 | 说明 | |------|------| | `/chart` | 常用 9 种视图固定编译；专业视图按需读取归档 | | `/chart-list` | 查看支持的图表类型和简介 | | `/dashboard` | 自然语言生成交互式企业 Dashboard | ### 分析引擎 | 命令 | 说明 | |------|------| | `/analyze` | 自动分析数据表，发现规律与异常 | | `/insight` | 指定维度深度洞察 | | `/report` | 一键生成金字塔结构企业报告 | | `/forecast` | 时间序列趋势预测（4 种方法） | | `/why` | 指标变化归因分析，贡献度分解 | | `/compare` | 指定基准组和对比组，执行指标变化分析 | | `/segment` | 维度分群分析，输出规模、指标值和占比 | | `/funnel` | 漏斗转化分析，输出首步/上步转化率和流失 | | `/cohort` | 留存/队列分析，生成用户留存矩阵 | | `/whatif` | What-if 假设推演，模拟指标上升/下降场景 | ### 治理与安全 | 命令 | 说明 | |------|------| | `/scope` | 全局/项目级统计口径管理 | | `/metrics` | 查看当前生效的指标定义 | | `/schema` | 全局/项目级表结构定义管理 | | `/quality` | 数据质量评分与问题报告 | | `/evidence` | 为报告、图表、Dashboard 生成证据包 | | `/review-report` | 审阅报告的证据、口径、结构、行动建议和专业表达 | | `/review-dashboard` | 审阅 Dashboard 离线性、图表渲染和业务完整性 | | `/contract` | 数据契约校验，发现字段缺失、类型漂移、必填空值 | | `/brief` | 从报告或分析产物生成高管摘要 | | `/pack` | 生成带 manifest 和 SHA256 的本地 BI 交付包 | | `/privacy` | PII 脱敏开关控制 | | `/audit-report` | 按日期生成审计报告 | | `/lineage` | 记录和查询产物数据血缘 | | `/dbconn` | 外部数据库连接管理（MySQL/PG/MongoDB） | ### 运维 | 命令 | 说明 | |------|------| | `/poll` | 数据轮询管理（定时刷新 API/DB 数据） | | `/start` `/stop` `/status` | 本地预览服务管理 | | `/context` | 会话记忆与追问解析 | --- ## 图表类型全景 <details> <summary>点击展开 27 类图表完整列表</summary> | 类别 | 图表 | 适用场景 | |------|------|---------| | **基础** | `bar` `line` `pie` `scatter` `radar` `area` | 对比、趋势、占比、关系、多维对比 | | **统计** | `boxplot` `heatmap` `scattergl` `effectScatter` `lines` | 分布分析、矩阵数据、大数据量、轨迹 | | **层级** | `treemap` `sunburst` `tree` | 层级占比、多层结构 | | **关系** | `sankey` `graph` | 流程转化、网络关系 | | **专业** | `funnel` `gauge` `candlestick` `parallel` | 漏斗转化、进度仪表、金融K线、多维分析 | | **时间** | `calendar` `themeRiver` | 日历分布、多主题时间流 | | **地理** | `map` `geo` | 中国/世界地图、地理散点 | | **3D** | `bar3d` `line3d` `scatter3d` `surface` | 三维矩阵、空间数据、科学可视化 | </details> **地图三层级架构**： | 层级 | 示例数据 | 渲染方式 | 依赖 | |------|---------|---------|------| | 省份 | 北京、上海、广东 | 本地 `china.js` | 无 | | 城市 | 广州市、深圳市 | 本地省份 JS | 无 | | 区县/街道 | 天河区 | 百度地图 API | 百度地图 AK | --- ## 项目结构 ### 精简分发与质量保障 SkillHub 专用包使用独立模式，不改变完整版或便携版： ```bash python scripts/build_skill_package.py --mode skillhub --output dist/echart-skill-skillhub.zip python scripts/validate_release_package.py dist/echart-skill-skillhub.zip --profile skillhub ``` 此模式要求包内 ≤200 个纯 UTF-8 文本文件，外层压缩包 ≤6,000,000 字节，禁止包内 ZIP/二进制。合并命令说明、保留报告依赖的 4 份纯文本案例；保留全部质量门和本地 JS 资源，不附带浏览器或 Python 二进制。构建超限直接失败，不通过改扩展名或编码压缩包绕过限制。平台审核结果仍以实际提交为准。发布检查也拒绝 SOFT HYPHEN、零宽字符和双向格式控制符等 Unicode Cf 字符。SkillHub 地图资源展开为数值坐标，并与 ECharts 原始解码结果核对，不直接删除坐标字符。命令执行、网络请求及数据库访问属于真实保留能力，详见 [权限与审核说明](references/security_review.md)；字符检查通过不代表平台不再要求人工复核。 ```bash python scripts/build_skill_package.py --mode portable --output dist/echart-skill-portable.zip python scripts/build_skill_package.py --mode full --output dist/echart-skill-full.zip python scripts/validate_release_package.py dist/echart-skill-portable.zip ``` - **便携包**：解压后仅 4 个文件（入口、精简指南、启动器、压缩运行时）。首次执行启动器时按校验和展开工具，不要求模型一次读取整个示例库。保留数据治理、分析流程、核心离线 ECharts、全部交付校验；仅不带历史配方与 ECharts GL。 - **完整包**：包含上述能力，以及完整历史配方归档和 ECharts GL。353 份旧 MD 已逐字节校验后归档，可按需读取，未丢失原文。 - **平台要求**：需允许 ZIP/脚本附件和 Python 执行；真实渲染验证还需 Node、Playwright 与 Chromium。只接受纯 Markdown、禁止执行或递归统计 ZIP 内文件的平台不能靠压缩解决，不宣称通用兼容。 - **质量原则**：生成器拒绝含糊字段和非法数值；交付门核对来源、逐图数据/坐标轴/表格和真实渲染。新增常用视图必须补齐有效/无效数据及真实浏览器回归测试。无法验证就标记未验证，不能承诺任意环境 100% 一次成功。常用图表见 [chart_guide.md](references/chart_guide.md)，特殊图表通过 `reference_assets.py search/get` 按需读取。禁止重新使用历史文档里的括号计数、正则替换大数组等代码拼接方法。 ``` echart-skill/ ├── references/ │ ├── chart_guide.md # 常用图表契约与构建/验证入口 │ ├── examples/INDEX.md # 精简路由，不预加载历史长文 │ ├── legacy_examples.zip # 353 份历史配方，按需读取 │ └── knowledge/ # ECharts 知识库（概念/API/模式） ├── workflow_specs/ │ ├── dashboard_workflow.md # Dashboard 工作流规范 │ ├── report_workflow.md # Report 工作流规范 │ ├── data_cleaning_workflow.md │ ├── dashboard_runtime_quality.md # 运行时质量门（硬性约束） │ ├── dashboard_expert_library/ # Dashboard 专家库（5 个场景） │ ├── expert_library/ # Report 专家库（10 个领域） │ ├── dashboard_modules/ # Dashboard 可复用模块 │ ├── html_templates/ # 企业级 HTML 骨架 │ └── visual_templates/ # 视觉方向（亮色/暗色） ├── assets/ # JS/CSS 资源、地图文件 ├── scripts/ # 40+ Python 工具脚本 ├── tests/ # 测试文件 └── outputs/ # 输出目录 ``` Dashboard 生成必须执行 `workflow_specs/dashboard_runtime_quality.md` 中的硬性质量门，并通过 `python scripts/validate_delivery.py <output.html>`。组合门禁会核对查询证据 manifest、静态结构、治理信息、无障碍/性能要求，并在真实 Chromium 中拦截 console/page error、外链请求、缺失图表实例和零尺寸 canvas/SVG；静态层仍会拦截未定义的 `chinaGeoJSON` 与 html2canvas 不兼容的 `color-mix()`。 --- ## FAQ **Q: 数据安全如何保证？** A: 原始数据仅存在于本地 DuckDB，大模型只接收 schema 和聚合结果。PII 自动检测脱敏，支持按列标记敏感级别。详见[安全架构](#安全与合规从设计上保护数据)。 **Q: 和传统 BI 工具（Tableau、Power BI）的区别？** A: Echart Skill 是 Agent BI——通过自然语言与 AI 交互完成分析，无需手动拖拽配置。同时它无需部署服务端、可离线运行、数据不出本地。适合需要专业分析但不想引入重型 BI 平台的场景。 **Q: 如何定义我们公司的业务指标口径？** A: 使用 `/scope set --level global --name "指标名" --desc "计算规则"` 定义全局口径；不同项目可用 `/scope set --level project` 覆盖。Agent 在生成报告和 Dashboard 时自动引用当前生效口径。 **Q: 如何让 Agent 准确理解我们数据库表的字段含义？** A: 使用 `/schema add` 为表的每个列提供中文描述、数据类型、合法值范围和主外键关系。Agent 会在生成 SQL 时精确引用，显著提升查询准确率。 **Q: 支持连接公司已有的数据库吗？** A: 支持。`/dbconn` 管理 PostgreSQL/MySQL/MongoDB 连接，密码通过 `${ENV_VAR}` 环境变量传入。`db_manager.py test` 默认发现表和表结构并写入项目数据源索引；本地文件导入后也会记录文件指纹、结构和 DuckDB 表。SQL 查询使用 `scripts/sql_runner.py --profile <name>`，导入本地分析库使用 `scripts/db_cli.py import`，避免临时 Python 造成连接泄露、审计缺失和 SQL 拼接错误。 **Q: 生成的报告和图表能否直接交付给客户？** A: 可以。Dashboard 和 Report 使用企业级 HTML 骨架，支持深色/亮色主题、PDF 导出、打印优化，图表为 ECharts 交互式可视化，可直接作为交付物。 **Q: 分析过程是否可审计？** A: 完全可审计。`/audit-report --date YYYY-MM-DD` 按天输出指令、查询表、列、行数、脱敏状态、分类级别和 query hash。`/lineage` 追踪产物完整数据血缘。 --- ## 许可证 MIT License — 详见 [LICENSE](LICENSE) --- Built with ❤️ for data professionals who value privacy, quality, and efficiency.

Loading the repository README…

Skills in this repository

classification pending

skill

occupation

description

updated

echart-skill

unclassified

使用本地 SQL/DuckDB 分析 Excel、CSV 或数据库数据，并生成可审计、可离线运行的 ECharts 图表、Dashboard 和分析报告。适用于数据导入、清洗、查询、同比环比、诊断分析、可视化和企业 BI 交付。

2026-10-19

Showing 1 of 1 collected skill.