lark-fashion-cockpit-morning-report

name	lark-fashion-cockpit-morning-report
version	1.0.0
description	经营晨报 — 整合 4 平台数据 + 库存预警 + 任务进度 + OKR 达成率，AI 生成简报推送到老板群。当用户说「今天经营怎么样」「店铺日报」「老板早报」「我家店今日数据」「看下今日异常」时使用。可手动触发或 cron 定时（每日 08:00）。属于 lark-fashion-cockpit 公司经营板块。
metadata	{"requires":{"bins":["lark-cli"]},"cliHelp":"lark-cli base --help"}

经营晨报 — 一句话看店

🌅 老板娘最爱用的能力。 每天早上 8 点（或一句话触发），agent 自动整合所有运营数据 → AI 生成简报 → 飞书 IM 卡片推送。

板块： 🅰 公司经营
调用 lark-cli skill： base + doc + im
多维表依赖： 01_产品库 / 02_4平台销售 / 03_库存预警 / 05_任务清单 / 13_OKR / 经营总览仪表盘

---

一、前置条件

lark-cli auth login --scope "base:record:read base:dashboard:read docs:document:write_only im:message:write"

---

二、工作流（5 维度整合）

触发：用户说"今天怎么样" 或 cron 08:00
        ↓
Step 1: 读 02_4平台销售 — 昨日销售总览（GMV/订单/转化）
Step 2: 读 03_库存预警 — 当前预警 SKU 列表
Step 3: 读 05_任务清单 — 进行中 + 超期任务
Step 4: 读 13_OKR — 各 OKR 进度
Step 5: 读 经营总览 仪表盘 — 总体健康度
        ↓
AI 整合：5 维数据 → 简报模板
        ↓
输出：
- 飞书文档（详细报告，可点开查看）
- IM 卡片（精华版推送到老板群/私聊）

---

Step 1: 4 平台销售总览

# 昨天的销售数据
YESTERDAY=$(date -d 'yesterday' +%s)000
TODAY_0=$(date +%s)000

lark-cli base +record-list \
  --base-token <APP> --table-id tbll7UHbL6kDxZua \
  --filter '{"conjunction":"and","conditions":[
    {"field_name":"日期","operator":"isGreaterEqual","value":"'$YESTERDAY'"},
    {"field_name":"日期","operator":"isLess","value":"'$TODAY_0'"}
  ]}' \
  --jq '[.data.records[] | {平台:.fields.平台, GMV:.fields.GMV, 订单:.fields.订单数, UV:.fields.UV, 转化率:.fields.转化率}]'

预期输出：

[
  {"平台":"淘宝", "GMV":98600, "订单":512, "UV":18640, "转化率":2.75},
  {"平台":"抖音", "GMV":85400, "订单":420, "UV":35200, "转化率":1.19},
  ...
]

Step 2: 库存预警（紧急 + 中等）

lark-cli base +record-list \
  --base-token <APP> --table-id tblq2jhCQiRFeDXh \
  --filter '{"conjunction":"and","conditions":[
    {"field_name":"紧急度","operator":"is","value":"紧急"}
  ]}'

Step 3: 任务异常

NOW=$(date +%s)000
TOMORROW=$(date -d '+1 day' +%s)000

# 超期 / 即将超期
lark-cli base +record-list \
  --base-token <APP> --table-id tblRnB14n1xW1vou \
  --filter '{"conjunction":"and","conditions":[
    {"field_name":"状态","operator":"is","value":"进行中"},
    {"field_name":"截止日期","operator":"isLess","value":"'$TOMORROW'"}
  ]}'

Step 4: OKR 进度

lark-cli base +record-list \
  --base-token <APP> --table-id tbl0tdusQ2fw98wZ \
  --filter '{"conjunction":"and","conditions":[
    {"field_name":"周期","operator":"is","value":"2026Q2"}
  ]}' \
  --jq '[.data.records[] | {OKR:.fields["OKR标题"], 进度:.fields.进度, 部门:.fields.部门}]'

Step 5: AI 整合 + 输出

把 4 步的数据塞给 LLM，提示词模板：

你是一个女装电商品牌运营助手。基于下面的数据生成一份「经营晨报」（150-300字）：

【昨日销售】
{step1 数据}

【库存预警】
{step2 数据}

【任务异常】
{step3 数据}

【OKR 进度】
{step4 数据}

输出格式（DocxXML 适配飞书文档）：
<title>🌅 经营晨报 - YYYY-MM-DD</title>
<callout emoji="🎯"><p>【一句话总结】昨日 GMV X 万 / 同比 +X% / 异常 X 项</p></callout>
<h1>📈 4 平台销售</h1>
<table>...</table>
<h1>⚠️ 异常事项（按优先级）</h1>
<ul><li>...</li></ul>
<h1>🎯 OKR 进度</h1>
...
<h1>✅ 今日推荐行动</h1>
<checkbox done="false">...</checkbox>

Step 6: 飞书文档创建

lark-cli docs +create --api-version v2 --content "@/tmp/morning-report.xml"
# 拿到 doc_url

Step 7: IM 卡片推送

lark-cli im chats messages create \
  --user-id "<老板 open_id>" \
  --msg-type interactive \
  --content '{
    "config":{"wide_screen_mode":true},
    "header":{"title":{"tag":"plain_text","content":"🌅 5 月 4 日经营晨报"},"template":"green"},
    "elements":[
      {"tag":"div","text":{"tag":"lark_md","content":"**昨日 GMV** ¥8.6 万 (+12% MoM)\n**异常** 3 项 ⚠️\n\n【库存预警】SKT-0328-A 售罄风险\n【任务超期】设计稿出图 张三\n【OKR 落后】2026Q2 商品上新 进度 58%"}},
      {"tag":"action","actions":[
        {"tag":"button","text":{"tag":"plain_text","content":"查看完整报告"},"type":"primary","url":"<doc_url>"}
      ]}
    ]
  }'

---

三、定时执行（cron 模式）

可以让用户配置每天 08:00 自动跑：

# 在用户机器上加一个 crontab（macOS/Linux）
0 8 * * * cd /path/to/lark-fashion-cockpit && agent run morning-report > /tmp/morning-report.log 2>&1

# 或者用 lark-event 订阅"每日触发"事件（如果飞书有该能力）

---

⭐ 三半、晨报 → 派工闭环（核心交互模式）

这是 lark-fashion-cockpit 最贴近老板娘办公习惯的设计：看完晨报立刻一句话派工。

工作流（agent 主动询问 + 自然语言批量派）

晨报跑完 → 不结束 → agent 主动问：

  🌅 晨报已生成。我从今日 P0/P1 提取了 N 个推荐任务：
  1. <任务标题> → @<推断的负责人>
  2. ...
  
  要批量派吗？回复：
  - "全派"        → 把没派的全部建
  - "派 1,3,5"    → 选编号派
  - "不派"        → 跳过

用户回复 → agent 解析 → 批量调 task-collaboration

Step 1: 在晨报报告里识别可派任务

每条「今日推荐行动」需要含：

• 任务标题（动词开头）
• 优先级（P0/P1/P2）
• 推断的负责人（基于 team-config.json 的角色映射）
  • "工厂 / 生产 / 打样" → 生产主管
  • "客服 / 退货" → 客服
  • "拍摄 / 视频" → 摄影师 / 内容编辑
  • "审批" → 老板自己
  • "投流 / 详情页" → 运营

Step 2: agent 拼成确认卡片

# 群里发 interactive 卡片，含编号 + 建议负责人
# 老板回复"全派" / "派 1,3" / "不派"

Step 3: 解析回复 → 批量派任务

for task in <选中的>; do
  # 调 task-collaboration 子 skill 的标准流程
  TASK_GUID=$(lark-cli task +create --summary "$title" --description "来自 X 月 X 日晨报" --due "+Nd" --jq '.data.task.guid')
  lark-cli task +assign --task-id $TASK_GUID --add $owner_oid
  lark-cli task +followers --task-id $TASK_GUID --add $boss_oid
done

# 群里发派工汇报卡片

实测效果（参考 examples/00-end-to-end-demo.md）

21:25 老板："跑下经营晨报"
21:25 agent → 飞书文档 + 绿色晨报卡片
21:30 老板："能不能直接派工"
21:30 agent → 4 个推荐任务批量建 + 派给 3 个朋友 + 群里弹派工汇报卡片
21:30 朋友们手机响

老板从看晨报到派工完成总耗时：< 1 分钟

⚠️ 关键约束

1. agent 不要"自动派" — 必须等老板确认（避免误派）
2. 推断负责人时如果置信度低（<70%）→ 标记"待确认"，不自动建任务
3. 派工后 5 秒内推送汇报卡片（老板能立刻知道派给谁）

---

四、典型对话示例

用户：今天经营怎么样

agent：
正在拉取 5 维数据...
✓ 4 平台销售（昨日总 ¥86,400 / 同比 +12%）
✓ 库存预警 1 条紧急
✓ 任务超期 1 条
✓ OKR 进度（4 个，平均 68.75%）

🌅 简报已生成 → 已推送到您的私聊
查看完整：https://my.feishu.cn/docx/<doc_id>

---

五、参考

• ../task-collaboration/SKILL.md — 任务异常详情
• ../stock-replenishment/SKILL.md — 库存详细处理
• ../okr-cascade/SKILL.md — OKR 进度详细
• ../../../lark-base/references/lark-base-data-query.md — 聚合查询