shield_lock
JinDaGe
← Back to skills
extension
Category: Development & EngineeringAPI key requirement unconfirmed

一句话生成节日数据报告

一句话生成节假日消费数据报告。示例：“帮我生成2026年十一数据报告”

personAuthor: wingwayhubModelScope
open_in_newRepositorydownloadDownload package

Consumption Data Report (节假日消费数据报告)

Overview

Produces a holiday consumption data report package for Chinese holiday consumption data (verification precedes the report):

数据侧（data_set/{年份}_{节假日}/）

  1. holiday-data-fetch.json -- SSOT，schema/meta/items，layer ∈ L1/L2 统一。
  2. 采集日志.csv -- 阶段一检索与采集记录。
  3. snapshots/ -- 原文快照，按需单点补拉，供逐条溯源。

报告侧（data_report/{年份}_{节假日}/） 4. 消费数据报告.html -- 单文件 HTML，Economist/FT 风格。 5. 数据真实性说明.html -- 单文件 HTML，逐条溯源与质量声明。 6. index.html -- 门户入口。

单一数据源：全部数字取自 holiday-data-fetch.json（SSOT），L1/L2 由 layer 字段区分；不设其它数据交付物。

Core principle: data first, report last (先建数据集后出报告).

版本沿革与变更说明见 logs/CHANGELOG.md；本文件只载现行规则，不含历史叙事。

Parameter Resolution (参数确认 · 必先于一切采集)

动手采集/写报告之前必须确定 [年份][节日][地域]，驱动后续全部检索、口径与交付形态。

  1. 从用户对话提取三项；用户明确给出则直接使用（如"2026 五一 成都消费报告"）。
  2. 默认值（用户未提供时）：
    • [年份] → 当前系统日期年份
    • [地域] → 默认 全国；给出城市名则进入城市模式
    • [节日] → 用户明确则采用；否则取当前日期所在节假日（依据 holiday-config.md 日期范围）
  3. 缺失处理（关键）：[节日] 无法获取且当前日期不在任何节假日窗口 → 必须主动提示用户，不得臆造。用 AskUserQuestion 或自然语言确认三项，并给出建议默认值；仅当三项全部明确才进入阶段一。
  4. 回显确认：进入采集前一句话回显解析结果（如"将为您生成 [2026][十一][全国] 消费数据报告"），给用户一次纠正机会。

地域路由

  • 全国 → 全国五阶段 → data_report/{年份}_{节假日}/ 三份 HTML。
  • 具体城市 → 先确保全国 SSOT 存在，再交接 bundled/holiday-data-report-city 叠加城市层（地域粒度=城市名的 30 字段城市行，写入同一 SSOT，不重造）。详见「城市模式路由」。
  • 全国 + 城市 → 先全国后城市，共用同一 SSOT。

When to Use

Trigger when the user asks for a holiday consumption / travel spending data report for any year and any Chinese holiday, including 春节 / 端午 / 五一 / 暑期 / 中秋 / 十一。也用于按新年/新节假日重跑管线。节假日日期范围与天数详见 references/holiday-config.md。

不适用场景

非中国节假日、无公开来源、需秒级实时、非消费主题、需原创调研/抽样、跨境全球对比——即"数据可溯源 + 中国节假日 + 消费主题 + 周期性产出"四要素任一不满足即不适用；明确告知用户并建议改用其他方案。

Deliverables (按地域分两套)

交付根目录固定为 holiday-data-reports/，数据与报告分置两棵子树：

holiday-data-reports/
├── data_set/{年份}_{节假日}/
│   ├── holiday-data-fetch.json     # SSOT（fetch 产出，L1+L2 统一）
│   ├── 采集日志.csv                 # 阶段一检索记录（fetch 产出）
│   └── snapshots/                  # 原文快照（fetch 产出，按需单点补拉）
└── data_report/{年份}_{节假日}/
    ├── index.html                  # 门户入口
    ├── 消费数据报告.html            # 经济学人/FT 风格
    └── 数据真实性说明.html          # 逐条溯源与质量声明

全国模式

| 交付物 | 位置 | 用途 | | --- | --- | --- | | holiday-data-fetch.json | data_set/ | 唯一事实来源（SSOT） | | 采集日志.csv | data_set/ | 采集过程留痕 | | snapshots/ | data_set/ | 原文快照，溯源证据 | | 消费数据报告.html | data_report/ | 经济学人/FT 风格 | | 数据真实性说明.html | data_report/ | 逐条溯源与质量声明 | | index.html | data_report/ | 门户入口 |

双轨原则：L1/L2 分栏呈现、不混同；L2 入正文须标"现象级/定性素材"。详见 references/data-architecture.md。

可选交付物 · 跨年纵向专题报告：从 SSOT 聚合产出（框架见 templates.md 第 7 节），历史年份数据从 data_set/{年份}_{节假日}/ 按 historical-data-source.md 适配。

城市模式（交接 bundled/holiday-data-report-city）

地域=城市时，城市层由随包技能交付：城市行（30 字段，写入同一 holiday-data-fetch.json，地域粒度=城市名）、城市消费数据报告（含勾稽总表与可视化）、数据真实性说明（含勾稽校验与覆盖率声明）、首页 index.html。 （勾稽基准）全国行（地域粒度=全国）来自全国模式，城市层引用不重造，也不另建独立数据文件。

Analysis Framework

方法论原则：固化的是分析框架，不是分析结论。 口径裁决 / 叙事批判 / 节日属性语义完整方法见 references/analysis-methodology.md（六节骨架）；本节只列栏目骨架。

固定分析维度（8 项 · 必采骨架）

缺失须标"本期暂无公开数据"，不得留白或编凑。

  1. 游客画像 — 出游人次、客群结构、出行方式与时长变化
  2. 景区数据 — 门票政策、限流预约、接待量；必采子项：二消结构拆解、承载率与限流方式、文博/演艺细分；客流增速 vs 二消增速背离须做悖论分析
  3. 目的地 — 国内热门城市与县域、出境目的地、入境客源国（边检口径）
  4. 酒店 — RevPAR/ADR/OCC 三件套（必填）；必采子项：渠道结构（OTA/直营/会员 + 佣金率侵蚀）
  5. 旅行社 — 订单量、产品结构（跟团/小团/定制）
  6. 旅游行业平台 — 携程、去哪儿、同程、飞猪、途牛等；C 级平台增速须标"该平台自身口径,非全市场"
  7. 交通出行 — 铁路、民航、公路、水路客运量与同比；必采子项：公路"跨区域人员流动量"与公共客运量分列、城市交通、购票提前期
  8. 政策与宏观 — 促消费政策、免签政策、社零与出行宏观；旅游总花费与商务部社零分列不可相加

探索性主题（1 项 · 由数据决定）

热门新消费：不预设业态清单。入选标准（同时满足，可机器校验）：① 量化显著性（同比 ≥30% 或绝对规模可观）；② ≥2 个独立机构来源交叉印证（数据集同主题项目互链；仅 1 源降级"待核实"）；③ 平台 C 级约束；④ 阶段二在 SSOT 显式圈定入选行（未圈定者阶段四不得凭印象自建章节）；⑤ 具备消费带动效应或社会关注度。

Continuity Methodology

机制底座：所有预测须进预测台账（数据性质=预计 + 缺口标记=预判待回填 + 预测ID），下一报告期回填核验（详见 caliber-dictionary.md 第六节与 templates.md 第 5/6 节）。

延续性四问（每期报告必答）

  1. 去年同期回顾（YoY） — 核心指标先 per-day 或可比天数折算（春节 7/8/8/9 天、十一 8/7/8/7 天漂移）；判读"增量来自天数/口径"还是"真实增长"。
  2. 本年上期回顾 — 本节假日 vs 本年已发生节假日，观察年内消费节奏、增速收敛斜率。
  3. 上一周期预测复盘 — 逐条「预测值→实测值→偏差%→归因→判语」；偏差 > ±10% 标失准并分三类归因（口径效应/外生变量/方法偏差），不美化、不选择性引用。
  4. 下一节假日前瞻 + 中长期趋势 — 给下一节假日预测（中心值+区间+置信度+口径效应提示，不得当实测）；并给 3–12 月结构性判断，附拐点判据与置信度分级。

纵向数据来源

  • 去年同期 / 本年上期：从 data_set/{年份}_{节假日}/ 读往年 SSOT，经 audit_caliber.py 校验后取可比行（须 per-day 折算）。
  • 历史纵向基线：D1 稀疏检出至 holiday-data-reports/data_set/（上游 https://atomgit.com/g_ww/holiday_data；只取 holiday-data-fetch.json + 采集日志.csv）；阶段二按 references/historical-data-source.md 做 17→22 适配 + canon 规范化 + 枚举归一。离线/拉取失败时降级为首期基线标注。
  • MCP 交叉验证：holiday-data-mcp（compare_across_years/get_data_point_detail）作为取数交叉验证通道，不替代 fetch/基线（详见 references/mcp-retrieval-layer.md）。
  • 跨年可比元组铁律：(节假日, canon(数据点), 口径类型, 地域scope) 四元一致且覆盖 ≥2 年才可比；否则标「单年/不可比」。首期无历史时优雅降级，不编造。

城市模式路由（地域=城市时启用）

地域解析为具体城市时，城市层由随包技能 bundled/holiday-data-report-city/ 承接；本技能只负责产出全国 SSOT 作为勾稽基准。

  • C1 · 启动：读 bundled/holiday-data-report-city/SKILL.md，按其规则执行城市层（30 字段城市行、勾稽 R-CITY-1~4、可视化组件）。
  • C2 · 前置校验：holiday-data-reports/data_set/{年份}_{节假日}/holiday-data-fetch.json 必须已存在且有 地域粒度=全国 的行；缺失则先跑本技能全国流程（D1–D4 + 五阶段）。
  • C3 · 交接与回归：把 [年份][节日][城市] 与全国 SSOT 路径交给 city；city 把城市行写入同一 SSOT 后，复核三方勾稽（SSOT 城市行 地域粒度≠全国 ↔ SSOT 全国行 地域粒度=全国 ↔ 真实性说明）。

城市技能随包内置，无需另行安装；其通用层（22 字段口径字典、holiday-config、style-guide、templates）引用本技能，不复制。

Five-Stage Workflow

阶段一：数据采集（D1 下载 → D2/D3 备妥 fetch → D4 分派轮数）

采集为 D1–D4 四步流水线。 命中 AtomGit 也调用 fetch，只是把联网轮数从 5 轮降为 3 轮增量——不存在"命中即跳过采集"的分支。 fetch 随包整合于 bundled/holiday-data-fetch/（单点安装 report 即可运行）。

D1 · 半命中下载（不依赖 fetch，先于一切执行）

从 AtomGit 稀疏检出「纵向 + 横向」两个半命中系列至 holiday-data-reports/data_set/{年份}_{节假日}/。 完整规程见 references/d1-half-hit-download.md（git 探测→安装→降级、系列构造、稀疏检出命令、三个坑、拉取后校验）。

三条硬门禁：

  • ① git 不可用须先安装，安装失败才判"无全命中"，并在采集日志与「数据真实性说明」写明 D1 未执行：git 不可用（探测 + 安装均失败：<原因>）；
  • ② 只拉两个文件 holiday-data-fetch.json + 采集日志.csv，禁拉 snapshots/；
  • ③ 拉取后逐目录断言「两文件均存在 且 L1 行数 > 0」——退出码 0 不等于成功。

D2 · 备妥 SKILL holiday-data-fetch

git 决议复用 D1，不重复探测（见 references/d1-half-hit-download.md 第 0 步）：D1 已判 git 不可用（安装失败）→ 跳过本步，直接进 D3。

  1. 检测本地是否已安装：存在 ~/.workbuddy/skills/holiday-data-fetch/SKILL.md → 直接启动，跳到第 3 步。
  2. 未安装 → 从 AtomGit 安装（clone 须用 D1 已验证可用的 git 路径，PATH 损坏时用绝对路径或 Python subprocess）： git clone --depth 1 https://atomgit.com/g_ww/holiday-data-fetch.git <skills 目录>/holiday-data-fetch
  3. 装完必跑术语自检 + 自动补丁（不可省）：
python scripts/verify_holiday_terms.py <fetch 目录> --fix

自检分两层：L1 文本术语、L2 枚举构造（决定目录名）。退出码 0=通过 / 1=有问题 / 2=路径非法。

D3 · 降级到内置 fetch

D2 安装失败（git 不可用 / 网络 / 权限 / 仓库不可达）→ 启动内置 bundled/holiday-data-fetch/。 内置副本与安装版同源，出厂已通过术语自检。

D4 · 全命中判定与轮数分派

全命中 = holiday-data-reports/data_set/{Y}_{F}/ 存在 且 D1 第 5 步校验通过。

| 判定 | 喂给 fetch 的输入 | 采集动作 | |---|---|---| | 有全命中 | holiday-data-reports/data_set/ 作为历史版本 | 启动 增量 3 轮（F1→F2 循环 3 次）：在历史版本基础上补采本期缺口，不重采已有条目 | | 无全命中 | 半命中集（若有）仅作参考上下文 | 联网搜索 5 轮（F1→F2 循环 5 次） |

轮数定义：轮数 = F1（检索矩阵）→ F2（并行采集）的循环次数，不是新增阶段编号，不与 F0–F5 混淆。

无论哪条路径，fetch 均执行完整 F0→F1→F2→F3→F4→F5；差异只在 F1→F2 的循环次数与是否以历史版本为输入。 F0 历史数据询问必须执行（有全命中时，由 D1 产出的 holiday-data-reports/data_set/ 直接作为答案，须在报告中显式声明）。

门禁验收（report 只验契约，见 references/contracts.md）

  • [ ] 契约一：L1 22 字段齐全，口径可在 caliber-dictionary.md 追溯
  • [ ] 契约二：L2 素材条条含 URL（唯一删除条件：无 URL 纯臆测）
  • [ ] 契约三：预测台账（若有）预测 ID 唯一、数据点已 canon 规范化
  • [ ] 覆盖矩阵已查（fetch coverage-matrix.md；缺失则先建）
  • [ ] 本轮数据源已声明：命中目录清单 + commit + source=atomgit / source=web
  • [ ] fetch 术语自检已通过（D2 第 3 步，退出码 0）

通过 → 阶段二；不通过 → 退回 fetch 补采（F2/F3 增量）。

可选交叉验证：holiday-data-mcp（compare_across_years / query_data_points）作为核验通道，不替代 fetch。

阶段二：数据整理与质量评估

要点：① 去重/缺失/类型/单位四类快检；② 逐条分级 A/B/C/D + 强制填 22 字段口径元数据（不可在 caliber-dictionary 追溯则退回）；③ 口径冲突：官方优先，无法判定主次并列说明；④ 弱溯源降 D；⑤ 推算/派生值强制规则：数据性质=推算 或 口径类型∈{测算,弱溯源} 或 数值类型≠水平值 → 强制 D 级、禁入 B 级，与实测分栏；⑥ 人均口径：per-trip vs per-day 不得混称"人均"；⑦ 跨年/调休天数折算：必附 per-day 等效值；⑧ 探索性主题基于已分级数据集在 SSOT 显式圈定入选行；⑨ 纵向数据归集：读去年同期/本年上期/上期预测台账，per-day 折算，历史补齐读 holiday-data-reports/data_set/ 做 17→22 适配 + canon 规范化；⑩ 预测入账：数据性质=预计+缺口标记=预判待回填+预测ID 单独成行。

阶段门禁 Checklist：① 每个数据点 A/B/C/D 已标，推算/测算/弱溯源/非水平值者全部 D 级（无推算值混入 B）；② 22 字段口径元数据可在 caliber-dictionary 追溯；③ 口径冲突已处理（官方优先/并列说明）；弱溯源已降 D；④ 人均口径合规；跨年天数变动已附 per-day 等效值；⑤ 探索性主题入选项目已在 SSOT 显式圈定（≥2 独立机构 URL 互链）；⑥ 纵向数据已归集；⑦ 本期预测已入账；⑧ L2 现象素材已产出（含 URL），拟升 L1 现象已在备注标记。

阶段三：数据输出（《数据真实性说明》）

六部件：① 引言（采集/核实方法、数据局限）；② 可信度分级标准（A/B/C/D 定义与图例）；③ 台账差异与修正声明（与原稿/不同口径的差异逐条列出并更正）；④ 逐条溯源表（数据点 | 来源机构 | 发布时间 | 等级 | 可点击 URL）；⑤ 预测复盘与回填声明（偏差 > ±10% 诚实标"失准"）；⑥ 全量来源机构清单 + L2 现象素材清单（声明"现象级素材,非统计口径"）。无公开 URL 的（如券商付费研报）如实标注并给替代验证路径。

阶段门禁 Checklist：六部件齐备；每条数据含可点击 URL 或可溯源声明；溯源表等级与数据集 A/B/C/D 一一对应；预测复盘诚实呈现（含三类归因）；L2 现象素材清单已列。

阶段四：报告生成

  1. 仅从数据集取数：每个数字（含纵向对比、预测点位）必须在数据集或预测台账有对应条目；本期现象/榜单/定性素材从 L2 取数，标"现象级/定性素材"。
  2. 报告框架 v2（四部分）：
    • 第一部分 · 导语与核心结论：标题 + standfirst + 首段 + 关键数字带（6 卡）
    • 第二部分 · 纵向延续与前瞻：2.1 口径裁决 → 2.2 去年同期回顾（per-day 折算） → 2.3 本年上期回顾 → 2.4 上一周期预测复盘 → 2.5 下一节假日前瞻（预测卡+置信度） → 2.6 中长期趋势预判（拐点判据+置信度分级）
    • 第三部分 · 分主题深度分析：8 固定维度 + 1 探索性（栏目依阶段二圈定清单）；本期现象/热门新消费以 L2 素材为素材，与 L1 统计叙事分栏呈现
    • 第四部分 · 口径与数据质量声明（摘要，详细见真实性说明）
  3. 排版与风格：严格按 references/style-guide.md；可直接套用 assets/report-template.html。
  4. 技术约束：CSS/JS 内联、无外链、无 emoji、简体中文、响应式。
  5. 页面形态（硬性）：无吸顶 header.appbar；明暗切换按钮置于报头右端；只保留本节假日消费数据相关内容。
  6. 测算/预计标注：数据性质=推算 标"测算（D 级）"；数据性质=预计 用预测卡标置信度，不得混入实测栏。
  7. 产出：消费数据报告.html。

阶段门禁 Checklist：① 报告每个数字均在数据集/预测台账有对应条目（无无源数字）；② 框架为 v2 四部分；纵向延续与前瞻六子节齐备；对比已 per-day 折算；③ 上一周期预测复盘诚实呈现（失准标出且含三类归因）；④ 下一节假日前瞻用预测卡标置信度，未当实测；⑤ 规模叙事"创新高"已按口径字典折算；人均口径合规；⑥ 探索性主题栏目依阶段二圈定清单搭建，未凭印象自建章节；⑦ 排版符合 style-guide.md；无吸顶导航；内容整洁。

阶段五：成果交付

  1. 交付物齐备：数据侧 holiday-data-fetch.json + 采集日志.csv + snapshots/；报告侧 消费数据报告.html + 数据真实性说明.html + index.html。
  2. 首页生成：套用 assets/landing-page-template.html；卡片一（报告头条）、卡片二（真实性说明引言）、卡片三（数据概览）；连续性高亮条（可选）；文件名固定 index.html。
  3. 一致性校验：报告 ↔ SSOT ↔ 真实性说明 三向对照，首页链接全部可达，缺失即返工。
  4. 目录结构：同「Deliverables · 交付根目录」，与历史基线库同构。

    资产沉淀（holiday-data-fetch.json 同步至 atomgit 上游）由 fetch F5 完成，report 不执行回推。

  5. 交付说明：各文件用途、使用方法、数据等级分布概览（含 L1/L2 数量）。

阶段门禁 Checklist：① 交付物齐备（数据侧 3 项 + 报告侧 3 项）；② 首页三卡片链接全部可达；连续性高亮条（若有）指向正确；③ 三向对照校验通过（报告 ↔ SSOT ↔ 真实性说明）；④ 预测台账闭环：本期预测已入账，供下期回填；⑤ 分年分节目录已落盘，交付说明登记 L1/L2/快照数量；⑥ 任务未越过"不适用场景"边界。

Format & Delivery Rules

  • 面向读者阅读（首页、数据报告、数据真实性说明）→ 单文件 HTML
  • 面向开发者文档（开发提示词、说明文档）→ Markdown (.md)
  • 数据集 → holiday-data-fetch.json（SSOT），单一数据源；派生视图不单独交付，需要时现算
  • 所有阶段性规则文档均为 md，仅供执行者参考，不交付给读者。

Anti-Patterns · 反模式索引

完整 15 条反模式（含后果与修正步骤）见 references/anti-patterns.md。最关键 6 条：① 编造数据 → D 级弱溯源或剔除；② 推算当实测 → 测算标记并分栏；③ 口径冲突擅自二选一 → 官方优先/无法判定并列说明；④ 跳过全量对照校验 → 强制三向对照；⑤ 预测无台账 → 凡预测必入账，偏差 > ±10% 标"失准"并三类归因；⑥ git 探测失败就放弃 D1 → 必须走完「探测 → 安装 git → 降级」三步（见 references/d1-half-hit-download.md 第 0 步）。

FAQ · 常见问题索引

12 条 FAQ（含单一弱来源 / 假期跨年 / 口径冲突 / 探索性主题 / 预测复盘 / 历史基线 / 双轨架构等）见 references/faq.md。

Resources

本包说明

  • logs/CHANGELOG.md -- 版本沿革与变更说明：各版本变更、已知缺口。规则正文不含历史叙事，查阅"何时改的/为何改"看这里

脚本与随包依赖

  • scripts/verify_holiday_terms.py -- 术语自检 + 自动补丁：D2 安装 fetch 后必跑。用法 python scripts/verify_holiday_terms.py <fetch 目录> --fix（--json 机器可读）；退出码 0=通过 / 1=有问题 / 2=路径非法。保护词「暑运」不替换
  • bundled/holiday-data-fetch/ -- 随包整合的采集技能（12 文件）：D2 未安装时的安装来源（atomgit g_ww/holiday-data-fetch），D3 降级时的内置兜底

采集规程

  • references/d1-half-hit-download.md -- D1 半命中下载完整规程：git 探测→安装→降级、半命中系列构造、存在性探针、稀疏检出命令与三个坑、拉取后强制校验

三契约与分析内核

  • references/contracts.md -- 三契约 v1.1.0：L1 结构化数据 / L2 现象素材 / 纵向台账 schema + 验收标准 + 分工红线；report 只验契约不验过程
  • references/analysis-methodology.md -- 分析内核 v1.1.0：口径地图 / 叙事批判 / 报告层三变量 / 节日属性语义 / 三层操作 / 分析输出模板 六节骨架
  • references/faq.md -- FAQ v1.1.0：12 条常见问答（单一弱来源 / 假期跨年 / 口径冲突 / 探索性主题 / 预测复盘 / 历史基线 / 双轨架构等）
  • references/anti-patterns.md -- 反模式 v1.3.0：15 条不可逾越反模式

配置 / 口径 / 数据架构

  • references/caliber-dictionary.md -- 口径字典 v1.2.2（强制）：22 字段 schema 权威（契约一）、统一主题字典(9类)、指标口径字典、口径类型取值表、预测台账与缺口标记
  • references/holiday-config.md -- 节假日配置 v1.2.0：属性卡 / 口径地图 / 锚点日历三张结构化配置 + 全源 A-J 矩阵 + R10 门禁 + merge_mode 结构字段
  • references/historical-data-source.md -- 历史纵向基线 v1.1.2：atomgit 仓库唯一权威源、17→22 适配器、canon 规范化、R13–R15 质量规则
  • references/data-architecture.md -- 数据架构 v1.2.0：L1/L2 双轨统一 JSON 模型、分年分节持久化、现象→指标升级通道
  • references/mcp-retrieval-layer.md -- MCP 实时检索层 v1.1.0：6 工具与阶段映射、调用纪律、离线降级

模板与排版

  • references/templates.md -- 采集日志、22 字段 schema、真实性说明、首页结构、预测台账模板、纵向六子节模板、跨年专题模板
  • references/style-guide.md -- 经济学人/FT 排版规范（CSS 变量、字体、组件清单）
  • references/development-prompt.md -- 完整开发提示词存档：五阶段操作细则，可按年度/节假日替换参数后独立提交（采集细则已由 fetch 承接）
  • assets/report-template.html / assets/landing-page-template.html / assets/verification-template.html -- 报告/首页/真实性说明 HTML 骨架
  • assets/icon.jpg / assets/icon.svg -- 技能图标

随包技能（地域=城市时启动）

  • bundled/holiday-data-report-city/ -- 城市维度技能：SKILL.md + 5 份 city references（口径字典/数据源矩阵/模板/可视化规范/开发提示词）+ 3 份 city 模板（报告/首页/图表片段）。地域=城市时启动，通用层引用本技能、不复制；勾稽基准为本技能产出的全国 SSOT

Usage Notes

  • 参数确认优先：运行前先按「Parameter Resolution」解析 [年份][节日][地域]；任一无法默认（尤其节日）则主动提示用户，绝不臆造。
  • D1–D4 采集流水线（阶段一）：D1 半命中下载至用户本地工作空间 holiday-data-reports/data_set/（只取 holiday-data-fetch.json + 采集日志.csv，禁拉 snapshots/）→ D2 备妥 fetch（本地已装则启动；否则从 atomgit 安装，装完必跑术语自检 --fix）→ D3 安装失败则降级内置 bundled/holiday-data-fetch/ → D4 全命中判定：有全命中 → 增量 3 轮（以该目录为历史版本输入）；无全命中 → 联网 5 轮。

    命中也调 fetch，只降轮数、不跳采集。

  • 年度可变 / 节假日可变：将【目标年度】【节假日】替换即可复用；查阅 holiday-config.md 获取该节假日的属性卡/口径地图/锚点日历。
  • 城市模式交接：地域=城市时，先确认全国 SSOT 已存在（本次已生成或用户已提供），再启动 bundled/holiday-data-report-city/；勾稽基准不得重造。
  • 按需裁剪：用户只要交付物中的某几件时可裁剪（如只要报告 HTML），但报告取数仍须来自 holiday-data-fetch.json。
  • 预览：交付后用 present_files 打开 HTML 文件（首页、报告与真实性说明）供读者预览；数据集与说明文档以卡片列出。