Menu
从数据源自动生成月度运营数据 HTML 报告，支持 ECharts 图表、规则驱动结论、可折叠侧栏导航
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
Skills 库治理规范 - 新增、更新、删除 skill 的强制性守门流程。当 CC session 操作 skills/ 目录时自动触发。
Security-first vetting for OpenClaw skills. Use before installing any skill from ClawHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
HTML 报告生成通用框架 - CSS 变量设计系统、专业组件库、ECharts 图表、Mermaid 流程图、动态居中布局、可折叠侧栏、规则驱动结论。当用户需要生成 HTML 报告、数据看板、SOP 文档、KPI dashboard 或任何自包含网页报告时使用。
Execute Jupyter notebooks end-to-end with SQL pre-validation, error diagnosis, and auto-fix loops. Use when "run notebook", "execute notebook", "test notebook", or "validate notebook execution".
Standardize Jupyter notebooks (.ipynb) for interactive data analysis workflows. Enforces a mandatory cell manifest (M1-M8 + archetype chapters) with tags ([CONFIG]/[SETUP]/[FUNC]/[RUN]/[VIZ]/[EXPORT]), structured markdown sections, and output prefixes ([OK]/[WARN]/[SKIP]). Use when the user wants to standardize, clean up, or create a notebook from scratch. Two archetypes: problem-driven (question-answer analysis) and monitoring (dimension-based periodic reporting).
SQL 分段验证、自我修复、结果导出与智能分析。流程：解析SQL → Dataphin MCP 验证元数据 → 自动修复 → 分段执行验证 → 导出 CSV → 智能分析（漏斗解读、异常识别、预判用户问题）。适用场景："跑一下这个SQL"、"验证这个查询"、"帮我执行并导出"、"分析一下结果"等。
Baseado na classificação ocupacional SOC
| name | monthly-report-html-generator |
| description | 从数据源自动生成月度运营数据 HTML 报告，支持 ECharts 图表、规则驱动结论、可折叠侧栏导航 |
| version | 1.1.0 |
从 Excel/CSV/Dataphin 数据源自动生成交互式月度运营数据 HTML 报告。单一 Python 脚本读取所有数据 CSV，通过 f-string 模板直接生成完整 HTML（含 ECharts 图表 + 规则驱动结论 + 可折叠侧栏导航）。
当用户需要生成月度运营数据报告时自动激活，特别适用于：
Input/rawdata.xlsx
↓ process_data.py（数据处理，产出 23 个 CSV）
Output/*.csv
↓ generate_html.py（单脚本，f-string 模板）
HTML/月报报告_{YYYYMMDD}_{HHMM}.html（自包含，仅依赖 CDN ECharts）
核心设计决策：
get_month_col() 处理 month / date_month 双命名stacked_bar_line：堆叠柱状图 + 折线（交易额、花费）dual_line：双折线图（CPS、转化漏斗）bar_multi_line：柱状图 + 多折线（质量指标）dual_line_with_bar：柱状图 + 双折线（渠道成本）single_line：单折线（整体竞得率、转化率）multi_line_grouped：多折线分组（分Q竞得率）stacked_column_chart：堆叠柱状图（撞库数据）window.addEventListener('resize') 遍历所有图表实例_trend_word(cur, prev) 返回方向词 + 变化幅度gen_conclusion_scale() — 规模（交易额 + 花费 + 最大客群）gen_conclusion_cost() — 成本（全首借CPS + T0CPS）gen_conclusion_quality() — 质量（额度 + 过件率）gen_conclusion_channel_overview() — 渠道总览（日耗 + CPS + 额度 + 过件率）gen_conclusion_request() — 请求（请求量 + 参竞率）gen_conclusion_winrate() — 竞得率（整体 + 分Q）gen_conclusion_conversion() — 转化（曝光-授信 + CTR + CVR）gen_conclusion_jz_attack() — 精准撞库gen_conclusion_jz_conversion() — 精准转化<strong>2月XX：</strong>指标A XX元，环比上升X%；toggleSidebar() + CSS transitionmargin-left: max(260px, calc((100vw - 1200px) / 2))contenteditable="true" 支持浏览器内编辑# 读取源数据 Excel，处理并输出 CSV
import pandas as pd
raw = pd.read_excel('Input/rawdata.xlsx', sheet_name=None)
# 22+ 指标处理函数，产出 Output/*.csv
from datetime import datetime
import pandas as pd
from pathlib import Path
def build_html():
# 1. 读取所有 CSV
trade = pd.read_csv("Output/trade_by_group.csv")
# ... 23 个 CSV
# 2. 单位转换
trade_total = to_js_array(trade["总计"] / 1e8, 2) # 亿
# 3. 生成结论
concl_scale = gen_conclusion_scale(trade, spend)
# 4. f-string 模板生成 HTML
html = f'''<!DOCTYPE html>
<html><head>
<script src="https://cdn.bootcdn.net/ajax/libs/echarts/5.5.0/echarts.min.js"></script>
</head><body>
<blockquote>{concl_scale}</blockquote>
<div id="chart-trade"></div>
<script>
echarts.init(document.getElementById('chart-trade')).setOption({{
xAxis: {{ data: {trade_months} }},
series: [{{ data: {trade_total}, type: 'line' }}]
}});
</script>
</body></html>'''
# 5. 写入带时间戳的文件
out = Path("HTML") / datetime.now().strftime("月报报告_%Y%m%d_%H%M.html")
out.write_text(html, encoding="utf-8")
# 对比 CSV 源数据与 HTML 内嵌数据
grep "trade_total" output.html # 检查数值
# 对比 V01 PPT 数据确保一致
diff Output/trade_by_group.csv ../V01_PPT/Output/trade_by_group.csv
症状：KeyError: 'month'
根因：spend_by_channel.csv 用 date_month，其他 CSV 用 month
修复：
def get_month_col(df):
for c in ["month", "date_month"]:
if c in df.columns:
return c
raise ValueError(f"No month column: {list(df.columns)}")
症状：抖音 CVR 全显示 0.0 根因：原始值 ~4.45e-5，×100=0.00445，round(2)=0.0 修复：
# 对极小值指标使用更高精度
dy_cvf_cvr = to_js_array(dy_cv_f["CVR"] * 100, 4) # 4位小数
症状：NameError: conv_overall_js is not defined
根因：在 f-string 中引用了未定义的函数
修复：在 f-string 之前预计算所有变量
# 预计算
tx_cvo_months_js = months_js(tx_cv_o)
# 然后在 f-string 中使用 {tx_cvo_months_js}
症状：数据标签被 chart-title 文字框挡住
根因：grid.top: 20 太小
修复：全局改为 grid.top: 45
症状：margin-left: 260px; margin-right: auto 无法居中
根因：固定左偏移 + auto 右边距只会左对齐
修复：
/* 动态居中：宽屏居中，窄屏紧贴侧栏 */
#main-content {
margin-left: max(260px, calc((100vw - 1200px) / 2));
max-width: 1200px;
}
症状：3.4 ��音转化、付��商店
根因：文件编码错误或编辑器截断中文字符
修复：逐一搜索 �� 并替换为正确中文
症状：JSON 数据显示环比 +0.1pp，但结论文本写 +0.03pp（3倍差距）；21 个数据点出现 WARN
根因：_fmt_pct() 使用"智能精度"（>10% 用1位小数，≤10% 用2位小数），导致 JSON 输出精度低于结论文本精度
修复：
# 统一使用2位小数，避免 chart 数据与结论文案精度不一致
def _fmt_pct(v):
return f"{v:.2f}"
泛化规则：所有百分比/千分比/比率类数据统一使用 2 位小数输出，包括日耗、日请求量、花费等金额类数据也应提升至 2 位小数
症状：setConclusions() 的 querySelectorAll 返回空数组，所有动态结论静默失败
根因：charts.js 使用 .conclusion-content 选择器，但 HTML 中实际 class 为 .conclusion-box
修复：将 JS 选择器从 .conclusion-content 改为 .conclusion-box
泛化规则：JS/CSS 选择器修改时必须同步检查 HTML 中对应元素的 class/id 是否匹配
症状：renderTradeByChannel() 和 renderTradeChange() 引用 chart-trade-by-channel 和 chart-trade-change，但 HTML 中无对应 canvas
根因：HTML 重构时移除了 canvas 元素，但 charts.js 未同步清理
修复：从 charts.js 中移除死函数及其在 initAllCharts 中的调用
泛化规则：HTML 结构变更后必须 grep 检查 JS 中所有 getElementById / querySelector 引用是否仍然有效
生成报告后必须验证：
python generate_html.py 返回 [OK]）�� 返回空）_fmt_pct 输出与结论文案精度一致）getElementById/querySelector 引用在 HTML 中存在）V04_HTMl/
├── generate_html.py # 单脚本生成器（~1500行）
├── Input/
│ └── rawdata.xlsx # 源数据
├── Output/
│ ├── trade_by_group.csv # 23 个中间 CSV
│ ├── spend_by_channel.csv
│ └── ...
└── HTML/
└── 月报报告_{YYYYMMDD}_{HHMM}.html # 自包含输出
/html-report-framework - HTML 报告通用框架/dp-explorer - Dataphin 数据探索/document-skills:xlsx - Excel 数据处理