| name | idmp-easyuse |
| description | IDMP总控编排技能 - 核心枢纽技能。根据用户需求（无论是无文件输入的场景Demo生成，还是带有文件/明确业务数据的具体接入），实现"一键式"自动化编排。静默调度 idmp-sample-data-generator、MCP 可视化工具链和 idmp-analysis-creator 完成全流程（行业调研 -> 数据生成 -> 告警分析 -> 面板创建）。 |
| metadata | {"author":"Wang Zhe","version":"0.4.1","owner_team":"solution-center"} |
IDMP EasyUse 技能
作为 IDMP 项目的总控枢纽，静默调度四个子技能，实现从行业调研到数据建模、告警分析、可视化面板的一键式全流程自动化编排。
输入要求
| 类别 | 触发条件 | 典型输入 |
|---|
| 类别 1：场景 Demo 生成 | 仅自然语言描述，无数据文件 | "帮我生成一套智慧工厂能耗监控的演示数据和看板" |
| 类别 2：业务数据接入 | 提供了数据结构文件和/或明确业务需求 | CSV 数据、Excel/SQL/Markdown 结构定义、指定面板和告警规则 |
| IDMP 登录信息 | 两种类别均需 | URL（如 http://127.0.0.1:6042）、用户名、密码 |
常见陷阱（Gotchas）
以下规则是 Agent 在没有明确提示时最容易出错的地方，执行前必须阅读。
步骤顺序不可调换
- 必须严格按第一步→第二步→第三步→第四步→第五步→第六步→第七步顺序执行，不得并行或跳步。
调研文档是唯一设计基准
- 类别 1 执行第二步生成
outputs/industry_research.md 后，后续所有子技能必须以此文档为准，严禁自行修改层级结构、告警阈值或面板需求。
调研报告属性名规范 (Attribute Referencing)
- 在
outputs/industry_research.md 的第二节，采集指标建议采用 中文名 (English_Name) 格式。
- 在第三节（关键指标）和第四节（告警规则）中编写公式或条件时，必须统一使用
${attributes['中文标题']} 的格式（如：${attributes['温度']} > 50）。
- 该中文标题必须与第二节中的名称完全一致，严禁直接使用英文标识符。
跨设备计算禁止
- 调研报告第三节（关键指标）、第四节（告警规则）、第五节（面板需求）中，不得生成任何跨设备计算的指标、告警或面板。
静默执行
- 六个步骤之间必须无缝衔接，全部完成后统一输出最终报告。除不可恢复的错误外，不得在中间请求用户确认。
面板和分析数量下限（类别 1）
- 面板总数和分析任务总数各不少于 5 个，且必须分布在不同设备或层级节点上，不得集中在单一节点。
状态驱动与内容压缩 (State-Driven & Compression)
- 全流程必须维护并更新项目根目录下的
outputs/state.json。
- 状态内容：必须包含场景名、项目路径、登录凭据、调研元数据（指标/告警列表）、资产树结构（含 Node ID）、已完成步骤。
- 动态寻址：所有文件读写均应基于
state.json 中的 project_root 进行相对或绝对路径计算。
- 上下文压缩：步骤间传递信息时，优先引用
state.json 中的字段，而非重复粘贴大量冗余文本，以保持 Token 高效利用。
执行流程
Telemetry (MUST)
调用 skill-telemetry，传入 name=idmp-easyuse version=0.4.1 author=Wang Zhe。
失败不阻塞，但必须尝试。详见 skill-telemetry。
第一步：初始化项目与状态机
1.1 输入与输出
- 类别 1：用户未提供任何数据结构文件（xlsx/文本文档）或 CSV 数据文件，仅有自然语言描述。
- 类别 2：用户提供了上述任意文件，或明确指定了面板展示要求和告警规则。
1.2 确定场景名称与项目目录
- 环境检查：
- 首先运行
python3 --version 检查环境中是否已安装 Python。
- 若未安装，必须明确告知用户并询问是否允许自动安装（如
sudo apt update && sudo apt install python3 -y）。
- 若用户拒绝安装，必须立即停止当前任务并友好告知原因。
- 场景名称确定：
- 优先使用用户在输入中明确提到的场景关键词（如“智慧工厂”、“中央空调”等）。
- 若用户描述模糊，从描述中提取核心资产或业务目标，转化为简短的英文标识符（下划线连接，如
smart_factory）。
- 项目目录初始化：
- 初始化
state.json：
- 在
outputs/ 下创建 state.json。
- 同步登录信息：
- 读取用户提供的凭据。
- 更新
state.json 中的 tsdb-login 和 idmp-login 中的信息。
- 样例结构：
{
"scenario": "smart_factory",
"root": "/absolute/path/to/demo/smart_factory_20260331",
"category": 1,
"tsdb-login": { "url": "http://localhost:6041", "user": "root", "pass": "taosdata" },
"idmp-login": { "url": "http://localhost:6042", "user": "admin", "pass": "password" },
"steps": ["init"]
}
- MCP 服务器检查与创建：
- 从
state.json 中的 idmp-login.url 提取 IDMP_HOST，检查是否存在 URL 为 http://<IDMP_HOST>:6042/api/v1/mcp/stream 的 MCP 服务器。
- 若不存在，必须尝试根据
references/idmp_mcp_config.md 中的配置信息创建该 MCP 服务器。
- 调用
scripts/get_login_token.py 获取 IDMP_TOKEN，替换到 MCP 配置中。
- 若创建失败，必须立即询问用户是否继续任务；若用户选择继续，则在明确告知 MCP 服务不可用的前提下进入后续步骤，否则停止当前流程。
第二步：行业场景深度调研（仅类别 1）
触发条件：类别 1 时执行；类别 2 直接跳至第三步。
对用户描述的行业/场景进行系统化深度建模，生成 outputs/industry_research.md。该文档必须严格遵循调研文档编写规范 references/research_specification.md，覆盖以下维度：
| 维度 | 内容要求 |
|---|
| 一、层级结构 | 完整拓扑树（L1 -> L2 -> L3 -> L4），列出所有节点并提供层级映射说明 |
| 二、采集数据规范 | 覆盖所有设备类型；定义物理量名称、中文标题、频次、单位及典型数值范围 |
| 三、各层级关键指标 | 每一层级均需配置计算指标；公式统一采用 ${attributes['中文标题']} 格式；禁止跨设备计算；必须参考 references/idmp_analysis_abilities.md 中的触发类型和计算能力进行设计 |
| 四、告警规则 | 每一层级均需配置告警逻辑；条件统一采用 ${attributes['中文标题']} 格式；禁止跨设备告警；必须参考 references/idmp_analysis_abilities.md 中的触发类型和计算能力进行设计 |
| 五、关键事件 | 通过分析的"生成事件"能力，捕获并记录业务中重要的事件；无需每个层级都配置，选择关键节点即可；必须参考 references/idmp_analysis_abilities.md 中的触发类型和计算能力进行设计 |
| 六、可视化面板需求 | 每一层级均需配置多样化面板；必须参考 references/idmp_panel_types.md 中的面板类型进行设计；禁止跨设备面板 |
| 七、调研摘要 | 汇总统计全量指标、告警、事件及面板数量，确保 Demo 复杂性达标 |
调研完成后生成的 outputs/industry_research.md 将作为后续所有步骤的统一设计基准（参见 Gotchas）。
第三步：数据与资产建模
调用 idmp-sample-data-generator 技能，传递以下内容：
| 传递内容 | 类别 1 | 类别 2 |
|---|
| 项目根目录路径 | ✅ 必传 | ✅ 必传 |
outputs/industry_research.md 的完整路径 | ✅ 必传 | — |
| 用户提供的数据结构文件和 CSV 文件 | — | ✅ 必传 |
第四步：关键指标配置
注意：本步骤使用 MCP (Model Context Protocol) 实现。
传递以下内容（供 MCP 工具使用）：
| 传递内容 | 类别 1 | 类别 2 |
|---|
| 项目根目录路径 | ✅ 必传 | ✅ 必传 |
outputs/industry_research.md 路径 | ✅ 必传 | — |
| MCP 调用命令 | ✅ 必传 根据 outputs/industry_research.md 中的各层级关键指标，在<完整拓扑的根节点>的资产目录下生成各层级指标。指标从叶子节点开始，逐层生成，直到根节点（L1）。 | ✅ 必传 根据用户提供的指标，生成各层级指标。 |
第五步：告警规则配置
注意：本步骤使用 MCP (Model Context Protocol) 实现。
传递以下内容（供 MCP 工具使用）：
| 传递内容 | 类别 1 | 类别 2 |
|---|
| 项目根目录路径 | ✅ 必传 | ✅ 必传 |
outputs/industry_research.md 路径 | ✅ 必传 | — |
| MCP 调用命令 | ✅ 必传 根据 outputs/industry_research.md 中的各层级告警规则，在<完整拓扑的根节点>的资产目录下生成各层级告警规则。告警规则从叶子节点开始，逐层生成，直到根节点（L1）。 | ✅ 必传 根据用户提供的告警规则，生成各层级告警规则。 |
第六步：关键事件配置
注意：本步骤使用 MCP (Model Context Protocol) 实现。
传递以下内容（供 MCP 工具使用）：
| 传递内容 | 类别 1 | 类别 2 |
|---|
| 项目根目录路径 | ✅ 必传 | ✅ 必传 |
outputs/industry_research.md 路径 | ✅ 必传 | — |
| MCP 调用命令 | ✅ 必传 根据 outputs/industry_research.md 中的各层级关键事件，在<完整拓扑的根节点>的资产目录下生成各层级关键事件。关键事件从叶子节点开始，逐层生成，直到根节点（L1）。 | ✅ 必传 根据用户提供的关键事件，生成各层级关键事件。 |
第七步：可视化面板配置 (MCP 模式实现)
注意：本步骤使用 MCP (Model Context Protocol) 实现。
传递以下内容（供 MCP 工具使用）：
| 传递内容 | 类别 1 | 类别 2 |
|---|
| 项目根目录路径 | ✅ 必传 | ✅ 必传 |
outputs/industry_research.md 路径 | ✅ 必传 | — |
| MCP 调用命令 | ✅ 必传 根据 outputs/industry_research.md 中的可视化面板需求，在<完整拓扑的根节点>的资产目录下生成各层级面板。面板从叶子节点开始，逐层生成，直到根节点（L1）。 | ✅ 必传 根据用户提供的可视化面板需求，生成各层级面板。 |
第八步：生成报告与博客
8.1 生成执行报告
将以下内容汇总生成 outputs/final_report.md 并保存至项目 outputs/ 目录，同时在终端向用户展示摘要：
| 章节 | 字段 |
|---|
| 项目基本信息 | 场景名称、项目目录路径、执行时间（YYYY-MM-DD HH:MM:SS） |
| 行业调研概览（类别 1） | 层级数、设备类型数、关键指标数、面板需求数、告警规则数 |
| 数据建模结果 | 数据库名、超级表列表、子表（设备）总数 |
| 面板创建结果 | 面板总数、各节点面板分布 |
| 告警分析结果 | 分析规则总数、各节点分布 |
| 生成文件清单 | outputs/industry_research.md（类别 1）、outputs/sample_data.json、outputs/panel_json/*.json、outputs/analysis_json/*.json、outputs/final_report.md |
8.2 生成博客
只在类别 1 场景 Demo 生成的情况下执行，调用 idmp-blog-generator 技能撰写一篇博客，需要配图的部分留空，后续手动添加。传递如下内容：
| 传递内容 | 说明 |
|---|
| 场景名称 | 直接传递第一步中确定的场景名称 |
outputs/industry_research.md 路径 | 供博客内容参考，尤其是第一章和第二章的写作 |
编排完整性检查清单
全流程执行完毕后，逐条确认以下项目，有遗漏立即补充执行：
