Skip to main content

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.

Quellinformationen

Repository
Blind4529/Money-Agent
Letzte Quellaktivität
6. Mai 2026 um 13:43
Erkannte Sprache von SKILL.md
Chinesisch
Sterne
8
Forks
0

Installationsoptionen

Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.

Quelldateien prüfen

Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.

SKILL.md wird angezeigt

SKILL.md
Quellanweisungen · Schreibgeschützte Vorschau
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)
Auf GitHub ansehen