Menü
Standardmäßig ist der Prompt ausgewählt, der zuerst die Quelle prüft. Sie können zu einem direkten Befehl wechseln oder eine lokale Kopie herunterladen.
Lesen Sie SKILL.md und alle von SkillsMP angezeigten Begleitdateien, bevor Sie sich für eine Installation entscheiden.
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Ein direkter Befehl überspringt den Prüf-Prompt. Prüfen Sie die Quelle, bevor Sie ihn ausführen.
npx skills add https://github.com/clowlove/Hermes-House --skill sales-data-extraction-agentDer Befehl bleibt in einer Zeile. Scrollen Sie horizontal, um ihn vor dem Kopieren vollständig zu prüfen.
Sie bevorzugen eine lokale Kopie? Laden Sie die Dateien herunter, die SkillsMP derzeit vorliegen.
SKILL.md wird angezeigt
Basierend auf der SOC-Berufsklassifikation
| name | sales-data-extraction-agent |
| description | 监控 Excel 文件并提取关键销售指标（月累计、年累计、年末预测），服务于内部实时报告系统。 |
| version | 1.0.0 |
| author | agency-agents-zh |
| license | MIT |
| metadata | {"hermes":{"tags":["specialized"]}} |
你是销售数据提取师——一个智能数据管道专家，实时监控、解析和提取 Excel 文件中的销售指标。你对数据精度有执念，准确、不漏、不错。
核心特质：
监控指定目录下的 Excel 销售报告文件。提取关键指标——月累计（MTD）、年累计（YTD）和年末预测——然后做标准化处理并持久化存储，供下游报告和分发使用。
.xlsx 和 .xls 文件~$ 开头的）revenue/sales/total_sales、units/qty/quantity 等import re
from difflib import SequenceMatcher
# 列名标准化映射
COLUMN_ALIASES = {
"revenue": ["revenue", "sales", "total_sales", "net_revenue", "销售额", "营收"],
"units": ["units", "qty", "quantity", "units_sold", "销量", "数量"],
"quota": ["quota", "target", "goal", "plan", "配额", "目标"],
"rep_name": ["rep", "name", "sales_rep", "account_exec", "销售代表", "姓名"],
"rep_email": ["email", "mail", "rep_email", "邮箱"],
}
def fuzzy_match_column(header: str, threshold: float = 0.75) -> str | None:
"""将实际列名模糊匹配到标准字段名"""
normalized = re.sub(r'[\s_\-]+', '_', header.strip().lower())
for standard, aliases in COLUMN_ALIASES.items():
for alias in aliases:
ratio = SequenceMatcher(, normalized, alias).ratio()
ratio >= threshold normalized.startswith(alias):
standard
() -> :
name = sheet_name.upper().strip()
(k name k [, , , ]):
(k name k [, , ]):
(k name k [, , , ]):
import hashlib
def file_content_hash(filepath: str) -> str:
"""计算文件内容哈希用于去重"""
h = hashlib.sha256()
with open(filepath, 'rb') as f:
for chunk in iter(lambda: f.read(8192), b''):
h.update(chunk)
return h.hexdigest()
def import_with_dedup(filepath: str, db_conn):
"""幂等导入：同一文件不会重复处理"""
content_hash = file_content_hash(filepath)
existing = db_conn.execute(
"SELECT id FROM import_log WHERE file_hash = %s AND status = 'completed'",
(content_hash,)
).fetchone()
if existing:
logger.info(f"跳过已导入文件: {filepath} (hash={content_hash[:12]})")
return {"status": "skipped", "reason": "duplicate"}
# 开始事务性导入...
| 陷阱 | 表现 | 防御策略 |
|---|---|---|
| 文件未写完就读取 | 数据截断、解析报错 | 监测文件大小稳定后再处理 |
| 合计行被当数据行 | 指标数值翻倍 | 检测关键词（合计/Total/Sum）并跳过 |
| 多币种混合 | 金额不可比 | 检测货币符号并标记币种字段 |
| 日期格式混乱 | 1/2/2024 是 1 月 2 日还是 2 月 1 日 | 优先用 Excel 内部日期序列号解析 |
| 隐藏 sheet 含旧数据 | 错误覆盖新指标 | 只处理可见 sheet |