xiaoyuge886
xiaoyuge886/aigc
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/xiaoyuge886/aigc --skill xagent命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | xagent |
| description | XAgent是一个智能跨域分析助手，基于SOP驱动的规划、多工具协调和多层次数据分析框架，提供专业的商业智能和数据分析能力。当用户需要进行数据分析、业务分析、生成报告或需要结构化的问题解决方案时使用。 |
一个全面的Claude技能，实现XAgent的智能跨域分析能力，以SOP驱动的规划、多工具协调和多层次数据分析为特色。
XAgent是一个精密的跨域智能助手，在各个领域提供结构化、高质量的分析。它使用标准作业程序（SOP）确保一致的、高质量的输出，并协调多个工具高效完成复杂任务。
该技能是自包含的，除了Python 3.8+外不需要任何外部依赖。所有组件都包含在包中。
from xagent_skill import XAgent, XAgentConfig
# 使用默认配置初始化
agent = XAgent()
# 处理用户查询
result = agent.process_request(
query="分析销售数据趋势并识别增长机会",
user_id="user_001"
)
if result['guidance_prompt']:
print(f"生成了专业指导prompt，长度: {len(result['guidance_prompt'])}字符")
print(f"推荐的工具: {result['recommended_tools']}")
print(f"包含多层次规划: {result['metadata']['has_hierarchical_planning']}")
if result['hierarchical_plan']:
print(f"预计工时: {result['hierarchical_plan']['estimated_timeline']['total_estimated_hours']}小时")
from xagent_skill import XAgent, XAgentConfig
# 自定义配置
config = XAgentConfig(
enable_sop_guidance=True,
enable_hierarchical_planning=True,
enable_tool_coordination=True,
enable_domain_expertise=True,
enable_analysis_guidance=True,
prompt_language="zh-CN",
detail_level="comprehensive"
)
agent = XAgent(config)
# 多轮对话示例
session_id = "analysis_session"
# 第一次查询
result1 = agent.process_request(
query="分析Q3销售业绩",
user_id="analyst_001",
session_id=session_id
)
# 后续查询，带上下文
result2 = agent.process_request(
query="重点关注表现不佳的区域并提出改进建议",
user_id="analyst_001",
session_id=session_id
)
# 复杂报告写作
result3 = agent.process_request(
query="基于以上分析，撰写一份完整的季度业绩分析报告",
user_id="analyst_001",
session_id=session_id
)
SOPPlanningSkill)使用标准作业程序生成结构化执行计划。
特性：
from joyagent_skill import SOPPlanningSkill
planner = SOPPlanningSkill()
plan = planner.plan("分析客户流失模式")
print(f"生成了{len(plan.steps)}个步骤")
print(f"模式: {plan.mode.value}")
TaskExecutionSkill)使用并行处理能力执行结构化计划。
特性：
from joyagent_skill import TaskExecutionSkill
executor = TaskExecutionSkill(max_parallel_tasks=3)
results = executor.execute(plan, context={'data': sales_data})
PromptEngine)管理复杂的prompt模板和链，确保AI行为一致。
特性：
from joyagent_skill import prompt_engine
# 获取复杂分析的最优prompt
prompt = prompt_engine.get_optimal_prompt(
'complex_analysis',
{'query': '分析市场趋势'}
)
MultiToolCoordinator)智能选择和协调多个分析工具。
特性：
from joyagent_skill import MultiToolCoordinator
coordinator = MultiToolCoordinator()
tools = coordinator.select_tools("全面数据分析")
plan = coordinator.create_execution_plan(tools)
DataAnalysisSkill)实现专业的四阶段数据分析框架。
特性：
from joyagent_skill import DataAnalysisSkill
analyzer = DataAnalysisSkill()
results = analyzer.analyze(sales_data, "分析销售业绩")
report = analyzer.generate_analysis_report(results)
ConversationManager)管理多轮对话和上下文记忆。
特性：
from joyagent_skill import ConversationManager
manager = ConversationManager()
conv_id = manager.start_conversation("user_001", "session_001", "初始查询")
manager.add_message(conv_id, MessageRole.USER, "后续问题")
config = JoyAgentConfig(
enable_sop_planning=True, # 启用SOP规划
enable_multi_tool_coordination=True, # 启用工具协调
enable_conversation_memory=True, # 启用对话上下文
enable_data_analysis=True, # 启用数据分析框架
max_parallel_tools=3, # 最大并行工具数
max_conversation_history=50, # 最大对话消息存储数
auto_optimization=True # 启用性能优化
)
planner.update_thresholds(
high=0.9, # 高置信度SOP匹配阈值
low=0.4 # 无SOP模式阈值
)
from joyagent_skill import JoyAgent
agent = JoyAgent()
result = agent.process_request(
query="分析2023年销售数据，识别增长趋势并提出改进策略",
user_id="sales_manager"
)
# 输出包括：
# - 详细销售趋势分析
# - 增长机会识别
# - 战略建议
# - 支持数据可视化
result = agent.process_request(
query="分析客户流失模式，识别关键风险因素并提出保留策略",
user_id="customer_success"
)
# 输出包括：
# - 流失率分析
# - 风险因素识别
# - 客户细分分析
# - 保留策略建议
# 初始广泛分析
result1 = agent.process_request(
query="提供Q3绩效指标概览",
user_id="analyst",
session_id="quarterly_review"
)
# 深入特定领域
result2 = agent.process_request(
query="专注于利润率最高的产品线并分析客户满意度",
user_id="analyst",
session_id="quarterly_review"
)
# 生成最终报告
result3 = agent.process_request(
query="创建包含可行建议的综合执行摘要",
user_id="analyst",
session_id="quarterly_review"
)
{
"plan_id": "plan_1234567890",
"title": "销售数据分析计划",
"mode": "HIGH_MODE",
"steps": [
{
"step_order": 1,
"title": "数据收集和验证",
"description": "收集和清洗销售数据",
"tools": ["data_analysis"],
"expected_output": "已验证的数据集"
}
],
"confidence": 0.95
}
# 销售数据分析报告
## 执行摘要
- 总销售额：¥X.XM（同比增长Y%）
- 关键发现：[最重要的洞察]
## 详细分析
### 1. 描述性分析
- 销售趋势和模式
- 绩效指标
### 2. 异常检测
- 识别异常
- 根本原因分析
### 3. 相关性分析
- 关键关系
- 影响因素
### 4. 预测分析
- 预测结果
- 场景建模
## 建议
1. [战略建议]
2. [战术建议]
## 限制
- [分析约束]
- [数据限制]
# 直接导入
from joyagent_skill import JoyAgent
# 带自定义配置
from joyagent_skill import JoyAgent, JoyAgentConfig
# 单独组件使用
from joyagent_skill import SOPPlanningSkill, DataAnalysisSkill
# REST API使用（通过FastAPI部署时）
import requests
response = requests.post('http://localhost:8000/api/chat', json={
'message': '分析销售数据',
'user_id': 'user_001'
})
技能可以直接在Claude Agent环境中导入和使用：
# 在Claude Agent上下文中
skill = load_skill('joyagent_skill')
result = skill.execute("分析客户数据")
问题：分析失败，显示"数据不足" 解决方案：确保最少50个数据点并包含足够列
问题：未生成执行计划 解决方案：检查查询清晰度和具体性
问题：响应缓慢 解决方案：减少数据集大小或简化分析范围
问题：结果不一致 解决方案：使用一致的数据格式和查询措辞
import logging
logging.basicConfig(level=logging.DEBUG)
agent = JoyAgent()
result = agent.process_request("测试查询", debug=True)
# 获取系统统计
stats = agent.get_stats()
print(f"成功率: {stats['successful_requests']/stats['total_requests']:.2%}")
print(f"平均响应时间: {stats['avg_response_time']:.2f}s")
虽然这是自包含技能，但欢迎通过以下方式进行改进：
本技能基于MIT许可证提供。详情请参见LICENSE文件。
如遇问题、问题或功能请求：
版本：2.0.0 最后更新：2024-12-14 兼容性：Claude Agent, Python 3.8+ 升级说明：从JoyAgent 1.0.0升级到XAgent 2.0.0，增强跨域能力和MCP集成
基于 SOC 职业分类