---

name: "report-data-analysis" description: "對 CSV / Markdown 表格格式的業務報表進行結構化分析，自動識別異常並輸出亮點-異常-原因-建議四段式報告" read_when: - 執行報表資料分析任務時 - 技能迭代最佳化時參考版本記錄 tags: - 報表分析 - 異常檢測 - 自動化報告 - 資料分析 inputs: - name: report_data type: string required: true description: | 原始報表資料，支援兩種格式： ① CSV 格式（純文本，逗號分隔，含表頭行） ② Markdown 表格格式（管道符分隔，含表頭行） 資料規模要求：≥ 30 行（不含表頭）× ≥ 5 欄位。 建議提前脫敏（金額、單位、姓名替換為模擬值）。 - name: report_theme type: enum required: true default: 運營 description: | 報表主題，從 {運營, 財務, 行政} 中選擇。 決定異常維度對映、指標卡語義、語言風格。 - 運營：銷售/業務指標，關鍵詞=銷售額/利潤率/轉化率 - 財務：費用/報銷/預算執行，關鍵詞=費用/報銷額/預算偏差 - 行政：考勤/用車/物資，關鍵詞=出勤率/出車率/庫存週轉 - name: baseline_type type: enum required: true default: 同比 description: | 對比基準型別，從 {同比, 環比, 計劃值, 同比+計劃值} 中選擇。 - 同比：（本期值 - 去年同期值）/ 去年同期值 - 環比：（本期值 - 上期值）/ 上期值 - 計劃值：（實際值 - 計劃值）/ 計劃值（偏差率） - 同比+計劃值：同時啟用同比和偏差率雙基準 若選"同比"或"同比+計劃值"，報表中必須包含同比相關列； 若選"計劃值"或"同比+計劃值"，報表中必須包含計劃值相關列。 - name: column_mapping type: object (JSON) required: false default: null description: | 【v3.0 新增 · 引數化列名對映】 用於顯式宣告原始報表列名與標準欄位的對應關係。 若不填，Agent 自動識別（根據列名關鍵詞模糊匹配）。 推薦使用此引數避免誤識別。

  標準欄位對照表（report_theme = 運營）：
    - date_col: 日期列（含"日期""時間""period"的列）
    - region_col: 區域列（含"區域""大區""省份""城市"的列）
    - product_col: 產品列（含"產品""線""型別"的列）
    - metric_col: 核心指標列（含"銷售額""收入""金額""元""額"的列）
    - qoq_col: 環比列（含"環比""QoQ""上期"的列）
    - yoy_col: 同比列（含"同比""YoY""去年"的列）
    - plan_col: 計劃列（含"計劃""目標""預算""target"的列）
    - deviation_col: 偏差列（含"偏差""deviation""差異"的列）
    - quantity_col: 數量列（含"數量""單""筆""件"的列）

  report_theme = 財務：
    - date_col: 日期列
    - dept_col: 部門列
    - category_col: 費用類別列（含"類別""科目""專案""type"的列）
    - amount_col: 費用金額列
    - budget_col: 預算列
    - deviation_col: 預算偏差列

  report_theme = 行政：
    - date_col: 日期列
    - dept_col: 部門列
    - entity_col: 實體列（考勤：人員；用車：車牌/司機；物資：物品名）
    - metric_col: 核心指標列（考勤：出勤率；用車：出車率；物資：庫存週轉率）
    - target_col: 目標列
    - deviation_col: 偏差列
    - count_col: 計數列（含"遲到""請假""出車""借用"的列）

  示例：
    {"metric_col": "實報金額_元", "budget_col": "預算額度_元", "deviation_col": "超支率"}

• name: custom_calibration type: string required: false default: "" description: | 【v3.0 增強 · 結構化引導】 口徑自定義說明，影響口徑說明章節內容。 建議按以下結構填寫（每項可選填，不要求全部填寫）：

  ① 資料口徑： - 指標定義：（如"銷售額含稅/不含稅"、"加班以打卡時間為準"） - 統計週期：（如"按自然月"、"按工作日"、"按專案週期"） - 計量單位：（如"金額單位：萬元"、"數量單位：單"）

  ② 異常口徑： - 閾值說明：（如"偏差率閾值是否含零"、"同比下降多少視為嚴重"） - 豁免規則：（如"大客戶訂單豁免單日波動"、"外勤人員豁免打卡"） - 分類標準：（如"極嚴重 / 嚴重 / 注意 / 待觀察 的量化邊界"）

  小蔥技能站7w4.net每天更新，海量AI技能等你發現。

  ③ 資料質量說明： - 缺失值處理：（如"缺失值按 0 計"或"排除缺失行"） - 異常值處理：（如"單筆超過 50 萬自動標註但不剔除"） - 脫敏說明：（如"所有金額已做 0.8 係數脫敏處理"）

  若不填，報告口徑說明章節使用預設值（按 report_theme 自動適配）。 - name: anomaly_params type: object (JSON) required: false default: null description: | 【v3.0 新增 · 異常檢測引數覆蓋】 用於覆蓋預設異常檢測閾值（詳見 Step 3 異常檢測邏輯）。 JSON 格式，欄位說明： - yoy_threshold: 同比下降閾值（預設 -0.30，即 -30%） - deviation_threshold: 偏差率閾值（預設 0.15，即 ±15%） - std_sigma: 標準差倍數（預設 2，即 μ±2σ） - mutation_threshold: 環比突變閾值（預設 0.50，即 ±50%） - std_min_rows: 標準差法最小行數（預設 20，不滿足時自動降級為閾值法）

  示例：{"yoy_threshold": -0.25, "deviation_threshold": 0.20} - name: quality_check_mode type: enum required: false default: auto description: | 【v3.0 新增 · 質量自檢模式】 - auto：自動執行質量校驗，不滿足時報錯並給出缺失清單 - strict：在 auto 基礎上額外強制所有質量標準均通過 - loose：輸出質量警告但不中止，允許在資料不足時生成參考性報告 - none：不執行質量校驗，直接生成報告

  ---

SKILL.md — 報表資料分析（v3.0）

版本記錄：v1.0（首次試跑）→ v1.1（增加 Markdown 表格支援 + 質量校驗清單）→ v1.2（增加多維交叉分析 + 描述性統計）→ v2.0（三重複合異常檢測 + 報表型別對映表 + 考勤/財務主題適配）→ v3.0（列名引數化對映 + 質量自檢機制嵌入執行流程 + 標準差法假設說明 + 結構化 custom_calibration + TestBench 指令碼）

---

一、核心價值主張

本 Skill 將日常業務報表（銷售/費用/考勤/用車等）的分析工作，從"每次手動看錶"升級為"一鍵標準化報告輸出"，核心解決以下問題：

問題	解決方案
異常靠肉眼找，容易遺漏	三重複合異常檢測（閾值法 + 標準差法 + 突變檢測）自動標紅
不同主題報表格式不同	列名自動識別 + 引數化對映表，相容任意列名
報告結構不統一，質量參差不齊	六章節強制規範 + 質量自檢 Checklist
異常原因靠猜，建議不落地	資料驅動原因猜想 + 具體可執行建議（負責人 + 時限）
換報表主題後異常維度不匹配	報表型別 → 異常維度對映表覆蓋運營/財務/行政三大主題

---

二、輸入欄位標準對照表（column_mapping 參考）

v3.0 核心改進：不再硬編碼列名，改為列名自動識別 + 顯式引數化對映雙軌機制。 優先使用 column_mapping 引數顯式宣告；若未宣告則按關鍵詞模糊匹配。

2.1 運營主題（report_theme = 運營）

標準欄位	自動識別關鍵詞	說明
date_col	日期、時間、period、週期	時間維度
region_col	區域、大區、省份、城市	空間維度
product_col	產品、產品線、型別、category	產品維度
metric_col	銷售額、收入、金額、元、萬	核心數值（預設分析物件）
yoy_col	同比、YoY、yoy、同比增長	同比增長率列（數值格式，支援小數或百分比）
qoq_col	環比、QoQ、qoq、上期	環比增長率列
plan_col	計劃、目標、預算、target	計劃銷售額列
deviation_col	偏差、deviation、差異、超計劃	偏差率列（正=超計劃，負=低於計劃）
quantity_col	數量、單、筆、件、人次	銷售數量列（用於描述性統計）

2.2 財務主題（report_theme = 財務）

標準欄位	自動識別關鍵詞	說明
date_col	日期、時間	時間維度
dept_col	部門、中心、科室	費用歸屬部門
category_col	類別、科目、專案、type	費用型別（差旅/辦公/招待等）
amount_col	費用、報銷、支出、金額、元	實際報銷金額
budget_col	預算、額度、指標	預算金額
deviation_col	偏差、超支、節餘、deviation	預算偏差率
count_col	筆、單、人次	報銷單數量

2.3 行政主題（report_theme = 行政）

標準欄位	自動識別關鍵詞	說明
date_col	日期、時間	時間維度
dept_col	部門、科室	部門維度
entity_col	人員、司機、車牌、物品	具體物件（考勤=人員；用車=車輛/司機）
metric_col	出勤率、出車率、庫存週轉	核心效率指標
target_col	計劃、目標、出勤率目標	目標值
deviation_col	偏差、deviation、差異	偏差率
count_col	遲到、請假、出車、借用	計數型指標（軟性參考，不觸發異常）

2.4 列名對映使用示例

場景：使用者報表的銷售額列叫"實際營收（萬元）"，偏差率列叫"執行偏差"，其他列名恰好匹配。

column_mapping = {
  "metric_col": "實際營收（萬元）",
  "deviation_col": "執行偏差",
  "yoy_col": "同比增長率"
}

提示：Agent 在執行 Step 1 時，先檢查 column_mapping 是否顯式傳入；若有則直接使用欄位對映；若沒有則按關鍵詞自動識別；若識別失敗則在執行前向用戶確認。

---

三、執行流程（v3.0 完整流程）

Step 0：前置校驗（新增 · 質量自檢嵌入）

v3.0 核心改進：將質量校驗從"事後檢查"變為"執行前阻斷"，不合格不生成報告，直接報錯並給出缺失清單。

0.1 資料基礎校驗

校驗項	要求	不滿足時的行為
資料行數	≥ 30 行（不含表頭）	quality_check_mode=auto/strict → 報錯中止；loose → 生成參考報告並註明資料不足
欄位數	≥ 5 列	同上
對比基準列存在	根據 baseline_type 校驗對應列是否存在	報錯並列出缺失列名
列名可識別	至少識別出 date_col 和 metric_col	若 column_mapping 未傳且自動識別失敗 → 中止並要求使用者提供對映表
數值格式	指標列和比率列必須為數值型（非文本）	標註格式異常行，繼續執行（loose 模式）

0.2 質量標準校驗（僅在 quality_check_mode=auto/strict 時執行）

質量維度	具體標準	不滿足時的處理
資料完整性	缺失值比例 < 10%	輸出警告，繼續執行
異常覆蓋性	至少存在 1 個真實異常（即至少 1 行滿足異常檢測條件）	輸出警告，繼續執行（防止全部正常導致報告空洞）
多維度性	至少存在 2 個不同維度（如區域+產品線；部門+月份）	輸出警告，繼續執行
時間跨度	時間列跨度 ≥ 5 天	輸出警告，標準差法降級為閾值法

校驗輸出格式（不符合時輸出）：

⚠️ 前置校驗發現以下問題：
1. [ERROR] 資料行數為 {N} 行，不滿足 ≥30 行要求 → 請補充資料
2. [WARN] 對比基準列"同比增長率"未找到 → 請檢查 column_mapping 或確認報表格式
3. [INFO] 資料行數不足 20 行，標準差法將降級為閾值法

執行策略：quality_check_mode={mode} → {繼續執行 / 中止}

---

Step 1：資料解析與列名標準化

1.1 格式識別 - 若 report_data 首行包含逗號（,）且不以 | 開頭 → 識別為 CSV - 若包含管道符（|）→ 識別為 Markdown 表格 - 若兩種都包含 → 優先 CSV，忽略 Markdown 格式的描述文字

1.2 列名標準化 - 若 column_mapping 已傳入：直接使用對映關係，將原始列名重新命名為標準欄位名 - 若未傳入：按關鍵詞自動識別（見第二節對照表），識別結果在報告中註明 - 自動識別失敗時：中止執行，要求使用者補充 column_mapping

1.3 資料清洗 - 移除表頭行後的純資料行參與統計 - 若 metric_col 或 yoy_col 等數值列出現文本值（如"無資料"、"N/A"），標記為缺失值 - 偏差率計算規則： - 若已存在 deviation_col：直接使用 - 若無 deviation_col 但有 plan_col：計算 偏差率 = (metric_col - plan_col) / plan_col - 若既無 deviation_col 也無 plan_col：僅做同比/環比分析，不計算偏差率

v3.0 列名對映表示例（銷售報表）：

原始列名	對映後標準欄位
日期	date_col
產品線	product_col
區域	region_col
銷售額_元	metric_col
銷售數量	quantity_col
環比增長率	qoq_col
同比增長率	yoy_col
計劃銷售額_元	plan_col
偏差率	deviation_col

---

Step 2：描述性統計（工具計算）

v3.0 改進：標準差法增加正態分佈假設說明，明確適用條件。

使用 Python 工具對所有數值列計算以下統計量：

統計量	計算方法	說明
n	COUNT	有效資料行數
均值 (μ)	SUM/n	算術平均數
標準差 (σ)	STDDEV(n)	衡量資料離散程度
最小值	MIN	資料下界
最大值	MAX	資料上界
μ±2σ 區間	μ±2σ	標準差法異常判定區間

關於標準差法的正態分佈假設說明（v3.0 新增）：

⚠️ 重要前提：標準差法的有效性依賴於資料近似服從正態分佈（均值兩側資料大致對稱）。若資料嚴重偏態（如收入分佈右偏），標準差法結果可能失準。

不適用標準差法的典型場景： - 資料行數 < 20（樣本量不足，σ 估計不可靠） - 資料存在極端異常值（σ 被異常值放大，導致 μ±2σ 區間過寬，漏檢真正的異常） - 資料明顯非正態分佈（如費用報表中少數大額訂單拉高均值）

自動降級策略：若資料行數 < std_min_rows（預設 20），自動跳過標準差法，僅使用閾值法；若 std_min_rows 已設定但 < 20，強制使用 20 作為最小值。

替代建議：對於偏態資料，優先使用中位數 ± MAD（絕對離差中位數）法或直接使用閾值法，並註明"資料偏態，標準差法結果僅供參考"。

---

Step 3：異常檢測（三重複合）

v3.0 改進：支援 anomaly_params 引數覆蓋預設閾值；明確異常檢測優先順序。

3.1 檢測方法一：閾值法（所有主題均適用）

異常型別	判定條件	嚴重程度
同比嚴重下降	yoy_col ≤ yoy_threshold（預設 -0.30，即 -30%）	🔴 極嚴重
偏差率正向極端	deviation_col ≥ deviation_threshold（預設 +0.30，即 +30%）	🟠 異常偏高（正向警示）
偏差率負向極端	deviation_col ≤ -deviation_threshold（預設 -0.15，即 -15%）	🔴 極嚴重
環比突變暴漲	qoq_col ≥ mutation_threshold（預設 +0.50，即 +50%）	🟡 注意（暴漲可能掩蓋質量問題）
環比突變暴跌	qoq_col ≤ -mutation_threshold（預設 -0.50，即 -50%）	🟠 嚴重（暴跌需立即關注）

閾值覆蓋：通過 anomaly_params 引數可覆蓋預設閾值，例如將同比閾值從 -30% 收緊到 -20%。

3.2 檢測方法二：標準差法（行數 ≥ std_min_rows 時啟用）

• 計算 metric_col 的均值 μ 和標準差 σ
• 異常判定：metric_col < μ - std_sigma × σ 或 metric_col > μ + std_sigma × σ （std_sigma 預設值為 2，即 μ±2σ）
• 正向極端（超出上界）：標記為 ⚠️ 超常表現，不計入負面異常，但作為重要發現單獨列出
• 負向極端（低於下界）：標記為 🔴 極嚴重異常

3.3 檢測方法三：環比突變檢測（所有主題均適用）

• 判定條件：|qoq_col| > mutation_threshold
• 同時觸發閾值法時，優先採用閾值法的嚴重程度評級

3.4 三種方法的優先順序與合併規則

優先順序：閾值法 > 標準差法 > 環比突變檢測

合併規則：
1. 若同一行同時被閾值法和標準差法檢測 → 採用閾值法的嚴重程度
2. 若同一行同時被閾值法和環比突變檢測 → 採用閾值法的嚴重程度
3. 異常彙總表列出每行觸發的所有方法，供讀者交叉驗證
4. 標準差法正向極端（metric_col > μ + 2σ）→ ⚠️ 超常表現，單獨分類，不計入負面異常統計

---

Step 4：多維交叉定位

對每個 Top 異常，從以下維度進行交叉分析（若報表中存在該維度）：

維度	分析方法
區域維度	計算該區域所有行的指標均值，與全域性均值對比
產品維度	計算該產品線所有行的指標均值，與全域性均值對比
時間維度	檢查該異常是否有連續性（同一區域+產品線是否多期異常）
基準維度	同時計算同比和偏差率，交叉驗證異常是否雙重觸發

交叉定位輸出格式：

**多維度交叉定位：**
- **區域維度**：{區域} 同比均值 {X}%（全域性均值 {Y}%），{高於/低於} 全域性 {Z} 個百分點
- **產品維度**：{產品} 偏差率均值 {X}%（全域性均值 {Y}%），{高於/低於} 全域性 {Z} 個百分點
- **時間維度**：{是否連續異常}（若是，列出連續異常日期）

---

Step 5：報告生成（六章節強制規範）

v3.0 改進：章節一增加列名對映說明章節；質量校驗清單整合到執行流程末尾。

---

四、輸出規範（六章節強制結構）

質量標準：章節 < 5 → 報告不完整；指標卡 < 5 → 關鍵指標不足；異常項 < 3 → 檢測能力不足；具體建議 < 3 → 建議無落地性。 以上標準在 quality_check_mode=strict 時為強制要求；quality_check_mode=auto 時為警告要求。

第一章：資料概況

必含內容： - 資料規模：總行數、有效資料行數、欄位數、時間跨度 - 維度拆解：列出識別出的所有維度（時間/區域/產品/目標等）及唯一值數量 - 描述性統計：所有數值列的 n/μ/σ/最小值/最大值/μ±2σ 區間（工具計算） - v3.0 新增：列名對映說明（若使用 column_mapping，列出原始列名→標準欄位的對映關係）

章節校驗標準：欄位數 ≥ 5，描述性統計覆蓋所有數值列

第二章：關鍵指標卡（≥ 5 個）

運營主題指標卡示例：

#	指標卡	數值	說明
①	總銷售額/總費用	{計算值}	累計值，工具計算
②	整體同比增長率（均值）	{μ(yoy)}	低於/高於行業均值 {X}%
③	整體計劃完成率（加權均值偏差率）	{μ(deviation)}	整體{達標/不達標}，但個體分化嚴重
④	超計劃項數佔比	{佔比}%	{N}/{總行數} 項超過計劃
⑤	異常率（閾值法）	{佔比}%	{N} 項觸發偏差率/同比閾值

財務主題指標卡示例：

#	指標卡	數值
①	總費用	{計算值}
②	整體預算執行率（偏差率均值）	{μ(deviation)}
③	超預算部門數	{N} 個
④	最高單筆費用	{max(amount_col)}
⑤	異常率（超預算比例）	{N} 筆 /

行政主題指標卡示例：

#	指標卡	數值
①	整體出勤率/出車率	{μ(metric_col)}
②	整體偏差率	{μ(deviation)}
③	不達標部門數	{N} 個
④	遲到/請假總人次	{sum(count_col)}
⑤	超標準部門數	{N} 個

第三章：對比分析（按 baseline_type 自適應）

baseline_type	章節名稱	必含內容
同比	同比增長率分佈	同比增長率按維度交叉（區域×產品線/部門×月份）矩陣，含區域均值和顏色標註
環比	環比增長率分佈	同上
計劃值	計劃完成率分佈	偏差率按區間分佈（≥+30% / +15%~+30% / 0%~+15% / -15%~0% / ≤-15%）
同比+計劃值	同比+計劃值對比分析	同時包含同比分佈和偏差率分佈，交叉發現雙重異常行

第四章：異常項識別與原因猜想（≥ 3 項）

v3.0 改進：Top 異常按嚴重程度排序，每項必含：觸發方法、多維度定位、原因猜想（分"資料支援"和"需核實"兩類）。

異常項格式：

#### 🔴 極嚴重 #{N}：{維度組合} · {核心指標} · {異常值}（{日期}）

| 專案 | 內容 |
|------|------|
| **觸發方法** | {閾值法 / 標準差法 / 突變檢測}（{具體條件}） |
| **嚴重程度** | 🔴 極嚴重 / 🔴 嚴重 / 🟡 注意 |
| **資料表現** | {實際值}；{計劃值}（偏差{偏差率}%）；同比 {yoy}% |

**多維度交叉定位：**
- **區域維度**：{區域} {指標}均值 {X}%（全域性均值 {Y}%），{高於/低於} 全域性 {Z} 個百分點
- **產品/類別維度**：{產品} {指標}均值 {X}%
- **時間維度**：{是否有連續性，若有則列出日期}

**原因猜想（資料驅動）：**
1. **{猜想標題}**（{資料支援 / 需核實}）：{支撐資料或待核實事項}
2. **需進一步核實**：{需要業務人員確認的事項}

第五章：結論與建議（≥ 3 條可落地建議）

v3.0 改進：每條建議必含：對應異常編號、具體措施、預期效果、建議負責人、建議時限。

建議格式：

#### 建議{N}：【{優先順序}】{建議標題}

| 專案 | 內容 |
|------|------|
| **對應異常** | #{異常編號}（{異常描述}） |
| **建議措施** | ① **{時間}**：{具體行動}<br>② **{時間}**：{具體行動} |
| **預期效果** | {量化預期} |
| **建議負責人** | {角色或部門} |
| **建議時限** | {時間要求} |

第六章：口徑說明與質量校驗（v3.0 整合）

口徑說明內容（按 report_theme + custom_calibration 自適應生成）：

口徑項	定義
同比增長率	（本期值 - 去年同期值）/ 去年同期值，數值格式為小數（-0.30 = -30%）
環比增長率	（本期值 - 上期值）/ 上期值
偏差率	（實際值 - 計劃值）/ 計劃值，正值=超計劃，負值=低於計劃
異常閾值（預設）	同比下降 ≥ 30%；|偏差率| ≥ 15%；標準差偏離 > μ±2σ；環比變化 > ±50%
標準差法說明	資料需近似正態分佈；行數 < 20 時自動降級為閾值法；偏態資料僅供參考
缺失值處理	缺失值按該列均值填充（比率列按 0 填充），並在報告中註明

v3.0 質量自檢結果（執行流程末尾自動生成）：

## 六·二、質量自檢清單（v3.0 自動校驗 ✅）

| 質量維度 | 要求 | 實際 | 結果 |
|---------|------|------|------|
| 資料行數 | ≥ 30 行 | {N} 行 | ✅/❌ |
| 欄位數 | ≥ 5 列 | {N} 列 | ✅/❌ |
| 報告章節數 | ≥ 5 章節 | {N} 章節 | ✅/❌ |
| 關鍵指標卡 | ≥ 5 個 | {N} 個 | ✅/❌ |
| 異常項識別 | ≥ 3 項 | {N} 項（Top {N}） | ✅/❌ |
| 具體建議 | ≥ 3 條（均含負責人+時限） | {N} 條 | ✅/❌ |
| 數值計算方式 | 工具計算 | Python工具計算 | ✅ |
| 多維度分析 | 區域×產品線/部門×月份 | 已執行 | ✅ |
| 異常檢測方法 | ≥ 2 種 | {N} 種（閾值/標準差/突變） | ✅ |
| 原因猜想資料驅動 | 每條均含資料支撐或"需核實" | 全部符合 | ✅ |
| 列名對映記錄 | 若使用 column_mapping，記錄原始→標準對映 | 已記錄/未使用 | ✅/ℹ️ |

**總體評定**：{通過 / 有警告 / 不通過}

---

五、報表型別 → 異常維度對映表（v2.0 新增，v3.0 擴充套件）

v3.0 改進：擴充套件異常維度覆蓋，增加財務/行政場景的具體閾值說明。

5.1 運營主題（report_theme = 運營）

異常型別	核心指標	預設閾值	嚴重程度分級
同比嚴重下滑	yoy_col	≤ -0.30	-0.30~-0.50 🟡；≤ -0.50 🔴
偏差率負向	deviation_col	≤ -0.15	-0.15~-0.30 🟡；≤ -0.30 🔴
偏差率正向極端	deviation_col	≥ +0.30	≥ +0.30 ⚠️ 超常
環比突變暴漲	qoq_col	≥ +0.50	≥ +0.50 🟡（需分析是否異常）
環比突變暴跌	qoq_col	≤ -0.50	-0.50~-0.70 🟠；≤ -0.70 🔴
標準差異常	metric_col	> μ±2σ	低於下界 🔴；高於上界 ⚠️

5.2 財務主題（report_theme = 財務）

異常型別	核心指標	預設閾值	嚴重程度分級
超預算嚴重	deviation_col	≥ +0.20	+0.20~+0.50 🟡；≥ +0.50 🔴
嚴重節餘	deviation_col	≤ -0.30	⚠️ 異常偏低（可能資金未使用）
單筆費用極高	amount_col	> μ+2σ	🟡 超常
報銷頻次異常	count_col	同比 > +0.50	🟡 報銷頻次暴漲（需核實）
部門費用集中	某部門費用佔比	> 40%	🟡 費用過度集中某部門

5.3 行政主題（report_theme = 行政）

異常型別	核心指標	預設閾值	嚴重程度分級
出勤率嚴重偏低	metric_col（出勤率）	< 85%	75%~85% 🟡；< 75% 🔴
偏差率不達標	deviation_col	≤ -0.10	-0.10~-0.20 🟡；≤ -0.20 🔴
遲到人次過多	count_col（遲到）	> 5人次/部門平均人數×10%	🟡 注意（無固定閾值）
請假人次過多	count_col（請假）	> 部門平均請假×2倍	🟡 參考項（無固定閾值）
出車率極高	metric_col（出車率）	> 95%	⚠️ 出車率極高，可能外勤管理鬆散
出車率極低	metric_col（出車率）	< 50%	🟡 車輛閒置率過高

注意：行政主題的計數型指標（遲到、請假、出車次數）無固定閾值，作為"軟性參考項"呈現在報告中，不觸發異常標記，但作為背景資訊輔助判斷。

---

六、約束事項與已知侷限

約束項	說明
資料規模	最少 30 行（不含表頭），行數不足時報告質量不可靠
列名識別	若列名包含生僻字或特殊縮寫，自動識別可能失敗，請使用 column_mapping 顯式宣告
偏差率計算	若報表既無 deviation_col 也無 plan_col，報告將不包含偏差率分析章節
同比資料	若報表無同比列，baseline_type 強制降級為"計劃值"或"環比"
標準差法	行數 < 20 或資料嚴重偏態時自動降級為閾值法
報告語言	目前僅支援簡體中文輸出
多語言報表	若列名為英文，需在 column_mapping 中傳入英文欄位名對映
置信區間	目前僅使用 μ±2σ，未來可擴充套件為按偏態自適應（IQR 法替代）

---

七、使用示例

示例一：標準運營報表分析

輸入資料：[貼上 CSV 內容]
report_theme: 運營
baseline_type: 同比+計劃值
column_mapping: {"metric_col": "銷售額_元", "yoy_col": "同比增長率", "deviation_col": "偏差率"}
quality_check_mode: auto

示例二：財務費用報表分析（僅計劃值基準）

輸入資料：[貼上 Markdown 表格內容]
report_theme: 財務
baseline_type: 計劃值
column_mapping: {"amount_col": "實際報銷_元", "budget_col": "預算額度_元", "deviation_col": "超支率"}
anomaly_params: {"deviation_threshold": 0.20, "yoy_threshold": -0.20}
quality_check_mode: strict

示例三：行政考勤月報（僅計劃值基準 + 自定義口徑）

輸入資料：[貼上 Markdown 表格內容]
report_theme: 行政
baseline_type: 計劃值
column_mapping: {"metric_col": "出勤率", "deviation_col": "偏差率"}
custom_calibration: |
  ① 資料口徑：出勤率=（應勤天數-缺勤天數）/應勤天數；外勤人員按實際打卡天數折算；遲到≥9:05打卡計遲到1次。
  ② 異常口徑：部門平均出勤率低於85%為嚴重；低於95%為注意；豁免規則：外勤人員豁免打卡率考核。
  ③ 資料質量：缺失值（未打卡）按0.5天計算；離職當月按實際上班天數統計。
quality_check_mode: auto

---

八、版本記錄

版本	日期	變更說明
v1.0	2026-05-08	首次試跑，支援 CSV 銷售報表，同比/環比雙基準，閾值法異常檢測
v1.1	2026-05-08	增加 Markdown 表格解析，質量校驗清單（11項全部可驗證），改善異常項輸出格式
v1.2	2026-05-08	增加多維交叉分析（區域×產品線矩陣），增加描述性統計（n/μ/σ/μ±2σ），增加 Top 10 異常詳情
v2.0	2026-05-08	三重複合異常檢測（閾值法+標準差法+突變檢測），4級嚴重程度量化，報表型別→異常維度對映表，運營/財務/行政三大主題適配，行政考勤計數型指標軟性參考機制
v3.0	2026-05-08	① 列名硬編碼改為引數化對映表（column_mapping + 自動識別雙軌）② 質量自檢機制嵌入執行流程（Step 0 前置校驗，strict/auto/loose/none 四模式）③ 標準差法增加正態分佈假設說明和自動降級策略 ④ custom_calibration 結構化引導（資料口徑/異常口徑/資料質量三段式）⑤ anomaly_params 引數支援閾值覆蓋 ⑥ 新增財務/行政主題具體異常閾值 ⑦ 質量校驗清單整合到報告第六章 ⑧ TestBench 斷言指令碼（scripts/test_report_skill.py）⑨ 平行測試資料集（references/財務_費用報表_測試資料.csv + references/行政_用車報表_測試資料.md）

這是一份偏向文件化的技能規範，規則定義詳細、異常檢測方法多樣、質量檢查機制完善。但技能缺少可直接執行的計算程式碼，更多依賴使用者自行實現。報告結構要求嚴格，包含6個強制章節和多項質量標準，適合對報告格式有規範化需求的場景。文件質量較高但實操性中等，建議等待補充程式碼實現後再投入使用。