质量月报生成器
任务目标
- 本 Skill 用于:根据质量月度数据自动生成结构化的质量月报(HTML 格式)
- 能力包含:Excel 多 sheet 解析、多文件整合、整体分析框架、质量指标计算、多月趋势分析、PDCA总结、对比分析、报告大纲确认、HTML 可视化输出
- 触发条件:用户需要"写质量月报"、"生成测试月报"、"多个月份数据对比"时使用
前置准备
- 依赖说明:
- Python 依赖:pandas(Excel 解析)、openpyxl(Excel 读写)
- 系统依赖:mermaid-cli(用于渲染 Mermaid 图表为 SVG)
- 首次使用时自动安装,约需 2-3 分钟
操作步骤
- 标准流程:
- 收集数据
- 用户手动提供本月质量数据
- 或提供 Excel 文件(支持多 sheet)
- 或提供 JSON 文件(符合 数据格式规范)
- 支持多个文件(多个月份数据)
- 如需对比分析,提供历史月份数据文件
- 数据解析与整合(关键步骤)
- 调用
scripts/parse_excel.py解析 Excel 文件 - 自动识别每个 sheet 的数据类型(测试用例/缺陷/工作总结/PDCA)
- 检查数据完整性和一致性
- 按月份整合数据,建立数据关联
- 识别数据缺口,提示用户补充
- 调用
- 建立整体分析框架
- 参考 整体分析框架
- 确定分析维度:时间维度、内容维度、深度维度
- 识别关键分析点和对比基准
- 规划图表类型和展示方式
- 计算指标与对比分析
- 调用
scripts/metrics_calculator.py计算关键质量指标 - 脚本支持单月计算或多月对比分析
- 输入:符合规范的 JSON 数据文件(支持
--previous-data参数传入历史数据) - 输出:计算结果 JSON(含指标、对比、趋势)
- 调用
- 生成报告大纲(关键步骤)
- 智能体基于分析框架生成报告大纲给用户确认
- 大纲包含:章节结构、数据来源说明、关键数据点、图表规划、分析维度
- 等待用户确认:是否需要调整章节、增删内容、修改重点
- 用户确认后,再进入下一步生成完整报告
- 生成月报
- 智能体基于计算结果和 月报模板 生成 Markdown 内容
- 包含:数据来源说明、月度总览、质量指标分析、PDCA总结、历史对比、趋势图表
- 输出交付(HTML 格式)
- 生成一个 HTML 格式的完整报告文件
- 文件命名:
质量月报_{{month}}.html - 图表自动渲染:Mermaid 图表通过 mermaid-cli 转换为 SVG
- 交互友好:HTML 可直接在浏览器中打开查看
- 灵活转换:用户可使用浏览器"打印"功能另存为 PDF
- 不生成多个分散的文件
- 收集数据
多文件/多 Sheet 处理流程
-
单文件多 Sheet:
- 解析所有 sheet,自动识别数据类型
- 整合不同 sheet 的数据(测试用例 + 缺陷 + 工作总结)
- 生成综合报告,标注各数据来源
-
多文件:
- 按月份分类文件
- 整合每个文件的所有数据
- 建立时间序列,进行趋势分析
- 生成多月对比报告
-
混合数据源:
- 统一数据格式(Excel/JSON/手动输入)
- 建立数据映射关系
- 识别数据缺口,提示用户补充
- 生成综合报告
连续性处理(同一对话多个月报)
- 智能体在对话中维护"历史数据池"
- 每次用户提交月度数据,智能体自动追加到历史记录
- 生成新报告时,智能体自动提取历史数据进行对比分析
- 用户可随时导出历史数据池为 JSON 文件进行持久化
资源索引
- 必要脚本:
- 见 scripts/parse_excel.py
- 用途:解析 Excel 文件(支持多 sheet),识别数据类型,转换为标准 JSON 格式
- 参数:
输入文件、--output输出文件、--convert转换为标准格式、--analyze-only仅分析结构
- 见 scripts/metrics_calculator.py
- 用途:计算质量指标,支持单月计算和多月对比
- 参数:
--input(本月数据)、--previous-data(历史数据)、--output(输出文件)
- 见 scripts/md_to_html.py
- 用途:将 Markdown 转换为 HTML,自动渲染 Mermaid 图表为 SVG
- 参数:
输入文件、-o输出文件(可选)
- 见 scripts/parse_excel.py
- 数据规范:见 references/data_format.md
- 何时读取:用户提供数据时验证格式
- 包含:完整字段定义、PDCA格式、多月数据格式
- 整体分析框架:见 references/analysis_framework.md
- 何时读取:处理多文件/多 sheet 时参考分析维度和方法
- 包含:数据整合方法、分析维度构建、报告结构设计
- 月报模板:见 assets/report_template.md
- 用于生成最终月报的 Markdown 内容
- 包含:标准章节、PDCA章节、趋势图表占位符(Mermaid 语法)
- 大纲模板:见 reports/outline_template.md
- 用于生成报告大纲供用户确认
注意事项
- 必须先确认大纲:用户确认报告大纲后,才能生成完整报告文件
- HTML 输出:仅生成一个 .html 文件,Mermaid 图表自动渲染为 SVG
- 图表格式:使用 Mermaid 语法,通过 mermaid-cli 自动渲染为矢量图
- Excel 解析:自动识别多 sheet 的数据类型,无需用户手动指定
- 多文件处理:按月份整合数据,建立时间序列,支持趋势分析
- 整体分析框架:参考 analysis_framework.md,确保分析维度全面
- 数据缺口处理:识别缺失数据,提示用户补充或标注说明
- 依赖安装:首次使用时会自动安装 pandas、openpyxl、mermaid-cli,需等待 2-3 分钟
- 浏览器打开:生成的 HTML 文件可直接在浏览器中打开查看
- PDF 导出:用户可在浏览器中使用"打印"功能选择"另存为 PDF"
- 优先使用脚本计算指标,确保数值准确性
- 智能体负责解读数据:PDCA分析、趋势解读、文字表述、整体分析框架应用
- 对于连续性数据,智能体会自动维护历史记录并提示用户
- 如数据格式不符合规范,指导用户按 data_format.md 调整
- PDCA 总结支持多组条目,每个条目包含 Plan/Do/Check/Act 四个阶段
使用示例
示例 1:单文件多 Sheet 生成报告
- 用户上传:
monthly_data.xlsx(包含 5 个 sheet) - 智能体:解析 Excel → 识别 sheet 类型 → 整合数据 → 生成报告大纲
- 大纲内容:
数据来源: - 测试用例数据(sheet1) - 缺陷数据(sheet2) - 工作总结(sheet3) - PDCA 项目(sheet4) - 风险列表(sheet5) 报告章节: 1. 数据来源说明 2. 月度总览 3. 质量指标分析 4. 工作总结 5. PDCA 总结 6. 风险与问题 7. 下月计划 - 用户确认:生成报告
- 智能体:调用计算脚本 → 生成 Markdown → 转换为 HTML
- 输出:
质量月报_2024-01.html(含所有数据和图表)
示例 2:多文件多月对比分析
- 用户上传:
2024-01.xlsx、2024-02.xlsx、2024-03.xlsx - 智能体:解析所有文件 → 按月份整合 → 建立时间序列 → 生成含对比分析的大纲
- 大纲内容:
数据来源: - 2024年1月数据 - 2024年2月数据 - 2024年3月数据 分析维度: - 时间维度:3个月趋势分析 - 内容维度:测试执行/缺陷分布/工作效能 - 深度维度:根因分析/效能分析/改进分析 报告章节: 1. 数据来源说明 2. 月度总览(3个月对比) 3. 趋势分析 4. 数据洞察 ... - 用户确认:生成报告
- 智能体:计算指标 → 趋势分析 → 生成图表 → 转换为 HTML
- 输出:
质量月报_2024-03.html(含3个月对比和趋势图表)
示例 3:调整大纲后生成
- 用户上传:
./2024-02.xlsx - 智能体:生成报告大纲(包含:总览、指标分析、PDCA、对比)
- 用户:"增加一个'团队效能'章节,删掉'临时工作'章节,重点分析缺陷分布"
- 智能体:调整大纲 → 增加深度分析 → 再次确认 → 生成 Markdown → 转换为 HTML
- 输出:
质量月报_2024-02.html(含新增章节和重点分析)
示例 4:导出历史数据
- 用户指令:"导出历史数据"
- 智能体:将对话中的历史数据池导出为 JSON 文件
- 用户可在下次对话中导入此文件,继续进行对比分析
TRACE 测评
| 维度 | 评分 | 说明 | |------|------|------| | T — 可信任度 | 9/10 | 纯文档/脚本技能,无外部依赖风险,支持中文交互 | | R — 可靠性 | 10/10 | 有清晰工作流程; 有异常处理说明; 输出格式明确 | | A — 适用性 | 9/10 | 有适用范围声明; 触发条件明确 | | C — 规范性 | 10/10 | frontmatter 完整; 文档结构清晰; 内容充分 | | E — 有效性 | 10/10 | 输出明确; 含使用示例; 文档详尽 | | 总分 | 48/50 | 通过 |
微信扫一扫