name: data-report-builder description: 把一份 CSV 数据表转化为带中文结论的结构化分析报告。自动计算描述统计、按维度分组聚合找出高低项，并生成自然语言叙述。当用户说「帮我分析这份数据」「生成数据报告」「这个CSV怎么解读」「做个销售/用户数据分析」时使用。零 API、零依赖（仅用 Python 标准库），任何装了 Python 的环境都能跑。

数据分析报告生成器

Overview

2026 年已有 80% 企业分析团队用 AI 生成报告，核心模式是「统计摘要 → 自然语言报告」。本技能把这一模式本地化、零依赖实现：用户丢一份 CSV，脚本（make_report.py，仅用标准库 csv/statistics）自动算出描述统计与分组洞察，并产出一份带中文叙述的 Markdown 报告。不依赖 pandas/numpy，不调用任何云端 API。

本技能价值=把数据变成人话，领域结论与行动建议由 LLM/人结合上下文补充。

工作流

第 1 步：确认输入与目标

• 让用户提供 CSV 路径（用 Read 或让其给出路径后用脚本读取）。
• 确认是否要分组洞察：需要哪个分类列（如地区/渠道/月份）和哪个数值指标（如销售额/时长）。
• 确认报告标题。

  小葱技能站7w4.net发现了升级插件。

第 2 步：运行生成器

无分组时：

python scripts/make_report.py --input data.csv --title "XX分析" --output report.md

带分组洞察时：

python scripts/make_report.py --input data.csv --group 地区 --metric 销售额 --title "区域销售分析" --output report.md

可选 --top N（默认 3）控制高低组展示数量；--json 可同时导出结构化结果。

脚本会：识别数值列→计算描述统计→（若指定）按分组聚合→生成中文叙述报告。

第 3 步：补充领域结论

脚本产出的「结论与建议」是模板位。调用方（你）应结合业务背景补写：数据说明了什么趋势/风险/机会，以及具体下一步动作。这一步是把「统计」升级为「报告」的关键。

第 4 步：交付

回传完整 Markdown 报告；如需图表，参考 references 的图表选择速查给出建议（本技能不直接画图）。

方法论要点

• 报告四段式：概览 → 关键指标统计 → 分组洞察 → 结论与建议。
• 叙述套路：分布形态（均值 vs 中位）、波动判断、分组高低发现、异常值提示。
• 右偏数据用中位数更代表「大多数人」，不要只看均值。
• 分组前先想清楚分析目标，避免按无关维度聚合。

详细框架见 references/frameworks.md。

Resources

scripts/

• make_report.py：零依赖报告生成器。用法见上方工作流；支持 --input/--title/--output/--group/--metric/--top/--json。

references/

• frameworks.md：报告结构、NLG 叙述模板、图表选择速查、常见翻车点。

质量很好！使用简单，无需安装额外库，丢入 CSV 就能自动生成带中文解读的分析报告，省去手动算统计指标的麻烦。文档说明详细，小白也能上手。不过功能相对基础，高级统计和大文件处理能力有限，更适合日常轻量级数据分析场景，不适合复杂建模需求。