What does the Report Generation AI skill do?

生成数据分析报告：探索表结构 → 多维度查询 → 智能深度分析归因 → 动态风格 HTML 可视化报告（ECharts）

Why use Report Generation on TypingMind?

Because you install it once and use it with any model. Report Generation is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Report Generation in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/apconw/Aix-DB/tree/master/agent/deepagent/skills/report-generation. TypingMind reads its SKILL.md and installs it as a skill you can enable per chat.

Which AI models can use Report Generation?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Report Generation?

As many as you like. As long as a model supports skills, you can use Report Generation with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Report Generation AI skill free?

It is published on GitHub by apconw. Check the repository for licensing terms. You only pay your own AI provider for the tokens you use.

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

Report Generation by apconw — AI Skill for Any LLM

报告生成技能

何时使用

当用户要求生成报告、分析报告、可视化报告、趋势分析、统计报告等任何报告时。

约束（不可违反）

禁止调用上传工具（upload_html_report_to_minio 等）
HTML 必须用分隔符包裹后直接输出到对话中
此技能是指令文档，直接按流程执行，不要说"调用技能"然后停下
查询完数据后必须立即生成报告，不要中途停顿

工作流程（7 步，必须全部完成）

第 1 步：理解需求

从用户诉求中提取：

报告类型：销售、用户、产品、运营、财务等
关键指标：总量、增长率、排名、占比等
分析维度：时间、地区、类别、产品等
时间范围：最近一周/月/年等

第 2 步：探索数据库 & 智能表过滤

sql_db_list_tables → 获取所有表列表
智能过滤：根据用户问题语义分析，筛选出相关表（通常 3-8 张）
- 将关键词与表名进行语义匹配
- 考虑关联表（如查销售需要同时选中 orders 和 products）
- 忽略无关的系统表、日志表
sql_db_schema → 获取筛选后表的列名和类型（一次传入多表）
sql_db_table_relationship → 获取表关系

第 3 步：多维度 SQL 查询

根据报告需求，生成多条 SQL 获取不同维度的数据：

报告需要	查询策略
KPI 汇总	聚合查询（SUM/COUNT/AVG）
时间趋势	DATE_TRUNC/DATE_FORMAT + GROUP BY 时间 + ORDER BY ASC
分类对比	GROUP BY 类别 + ORDER BY DESC
Top N 排名	ORDER BY DESC LIMIT N
占比分析	GROUP BY + 百分比计算
增长率	窗口函数 LAG() 或自连接
归因分解	多维度 GROUP BY + 增量贡献

查询原则：

只查必要列，不用 SELECT *
使用表别名、适当的 JOIN 条件
合理使用聚合函数、GROUP BY、ORDER BY
默认 LIMIT 100
每条 SQL 标注用途

第 4 步：执行查询

使用 sql_db_query 逐条执行 SQL，收集所有结果数据。

执行失败时：

分析错误信息
修正 SQL（常见修复：引号错误、缺少 schema 前缀、日期函数语法错误）
重试一次。仍失败则在报告中注明

第 5 步：智能分析引擎（核心 — 动态维度，不可跳过）

查询到数据后，必须先深度分析再生成报告。

动态维度选择策略

根据数据特征自动判断适用的分析维度：

数据特征	触发的分析维度	说明
包含时间字段 + 数值指标	趋势分析	计算同比/环比、识别拐点、判断趋势方向和加速度
包含分类字段 + 数值指标	结构分析	各分类占比、帕累托分析（80/20）、集中度分析
包含多个分类维度	归因分析	维度下钻、贡献度量化、交叉分析
存在可对比的分组	对比分析	Top N / Bottom N 排名、组间差异
数值分布范围大	异常检测	均值±2σ、离群值识别
包含率/比值指标	效率分析	转化率、完成率的横向和纵向对比
多指标同时存在	相关性分析	指标间关联关系、协同/对冲效应
用户问"为什么"	因果探索	可能的驱动因素假设、影响链路推测

至少完成 3 个分析维度。

各维度分析要点

A. 趋势分析 — How is it changing

趋势方向：上升/下降/平稳/波动
变化速率：加速还是减速
拐点识别：趋势逆转的关键时间点
环比变化率
周期性模式：季节性、节假日效应

B. 结构分析 — What's the composition

各分类占比分布
帕累托分析：头部集中度（80/20 效应）
HHI 集中度指数

C. 归因分析 — Why did it happen（核心，当数据支持时必须执行）

维度下钻：哪个地区/产品/渠道对变化贡献最大？
贡献度量化：各维度对总体变化的贡献百分比
对比归因：表现优于/低于平均水平的类别及原因
结构变化：各维度占比随时间的迁移

D. 对比分析 — How does it compare

时间对比：同比、环比
分组对比：不同地区/产品/渠道间的差异
排名分析：Top N 和 Bottom N
帕累托分析：头部集中度

E. 异常检测 — What's unusual

偏离均值超过 2 倍标准差的数据
断崖式变化

分析输出要求

每个被选中的分析维度必须输出：

维度标题：明确的分析维度名称
核心发现：2-4 个带具体数字的发现
数据支撑：引用具体数据作为证据

结论与建议生成（必须包含）

核心发现（3-5 条，必须带具体数字）：

用"发现"而非"猜测"的语气
每条发现必须有数据支撑
按影响程度从大到小排列

风险提示（如果存在）：

异常波动、断崖式下降、集中度过高等
必须给出具体数字和影响范围

可执行建议（分短期/中期/长期）：

短期（1-2 周）：可立即采取的行动
中期（1-3 月）：需要资源投入的优化
长期（3-12 月）：战略性调整建议
每条建议必须具体可操作，避免空泛建议如"加强管理"

第 6 步：生成 HTML 报告

第 5 步的所有分析结果必须写入 HTML 报告中。

动态风格选择

必须参考 frontend-design 技能的设计原则，为每份报告创造独特的视觉风格，避免千篇一律。

风格设计流程：

确定报告基调：根据数据场景选择基础方向
- 经营分析 → 专业沉稳（暗色系 / 玻璃拟态）
- 趋势分析 → 科技未来感（渐变 / 发光效果）
- 分类对比 → 明快清晰（高对比 / 鲜明色彩）
- 异常/风险 → 警示醒目（红橙色系 / 高亮标注）
- 综合报告 → 仪表盘风格（网格布局 / 多区块）
应用 frontend-design 设计原则（参考该技能文档）：
- 字体选择：避免默认字体（Arial/Inter），选择有特色的字体组合
- 色彩方案：承诺一个大胆的主色调方案，用 CSS 变量保持一致性；主色 + 鲜明强调色优于平均分配的温和配色
- 空间构成：尝试不对称布局、元素重叠、网格打破、留白控制
- 背景与质感：渐变网格、噪点纹理、几何图案、毛玻璃透明度、戏剧性阴影
- 动效：KPI 卡片悬停效果、图表入场动画、页面加载的错落展现
每份报告的风格必须不同：在暗色/亮色主题、不同字体、不同美学之间变化，避免多次生成趋同于同一种风格

报告结构（6 个必需区块）

报告 HTML 的 <body> 必须按顺序包含以下 6 个区块（缺一不可）：

#	区块	HTML 结构	内容要求
1	报告标题	`<header class="report-header">`	报告名称 + 时间范围 + 数据库信息
2	KPI 统计卡片	`<section class="kpi-cards">`	3-6 个关键指标卡片，每个包含：指标名、数值、同比/环比变化（↑绿↓红），悬停有微动效
3	可视化图表	`<section class="charts">`	至少 2 个 ECharts 图表，根据数据特征动态选择类型
4	详细数据表格	`<section class="data-table">`	完整数据列表，斑马纹+悬停高亮，关键行高亮，超 20 行时表格内滚动
5	深度分析与归因	`<section class="deep-analysis">`	必须包含，内容来自第 5 步的动态分析结果
6	结论与建议	`<section class="conclusions">`	核心发现 + 风险提示 + 可操作建议（短/中/长期）

图表类型选择（ECharts）

数据特征	推荐图表	ECharts 配置要点
时间序列	面积折线图	`areaStyle` + `smooth: true` + 渐变填充
分类排名	水平柱状图	`yAxis` 做类别轴 + 渐变色条 + 数据标签
占比结构	环形图	`radius: ['40%', '70%']` + 中心统计文字
多维对比	分组柱状图	多 `series` + `barGap` 调整间距
变化归因	瀑布图	堆叠柱状图模拟，正值绿色负值红色
趋势+量	双轴图	`yAxis` 数组 + 柱线组合
综合评估	雷达图	多维度能力画像
帕累托	组合图	柱状 + 累积线

第 5 区块「深度分析与归因」HTML 结构（强制）

html
<section class="deep-analysis">
  <h2>深度分析与归因</h2>

  <!-- 动态生成的分析区块 —— 每个被选中的分析维度一个 -->
  <div class="analysis-block">
    <h3>{分析维度标题}</h3>
    <div class="analysis-content">
      <p>{核心发现描述，必须带具体数字}</p>
      <!-- 该维度对应的 ECharts 图表 -->
      <div class="analysis-chart" id="analysis-chart-{n}" style="height:350px"></div>
      <!-- 如有归因数据，展示贡献度表格 -->
      <table class="attribution-table">
        <thead><tr><th>维度</th><th>贡献值</th><th>贡献占比</th><th>变化方向</th></tr></thead>
        <tbody>
          <tr>
            <td>{维度名}</td>
            <td>{+/-数值}</td>
            <td>
              <div class="progress-bar">
                <div class="progress-fill positive" style="width: {百分比}%"></div>
                <span>{百分比}%</span>
              </div>
            </td>
            <td class="trend-up">↑</td>
          </tr>
        </tbody>
      </table>
    </div>
  </div>

  <!-- 风险提示（如果存在异常数据） -->
  <div class="risk-alert">
    <h3>风险提示</h3>
    <ul>
      <li><strong>{异常类型}：</strong>{具体数字 + 影响说明 + 建议关注点}</li>
    </ul>
  </div>
</section>

第 6 区块「结论与建议」HTML 结构

html
<section class="conclusions">
  <h2>结论与建议</h2>

  <div class="findings">
    <h3>核心发现</h3>
    <ol>
      <li>
        <div class="finding-item">
          <span class="finding-badge">发现 1</span>
          <p>{发现内容，必须带具体数字和百分比}</p>
        </div>
      </li>
      <!-- 3-5 条核心发现 -->
    </ol>
  </div>

  <div class="recommendations">
    <h3>行动建议</h3>
    <div class="rec-timeline">
      <div class="rec-item rec-short">
        <div class="rec-label">短期 (1-2周)</div>
        <ul><li>{具体可操作建议，包含预期效果}</li></ul>
      </div>
      <div class="rec-item rec-mid">
        <div class="rec-label">中期 (1-3月)</div>
        <ul><li>{具体可操作建议，包含预期效果}</li></ul>
      </div>
      <div class="rec-item rec-long">
        <div class="rec-label">长期 (3-12月)</div>
        <ul><li>{具体可操作建议，包含预期效果}</li></ul>
      </div>
    </div>
  </div>
</section>

HTML 技术规范

必须使用的技术栈：

图表库：Apache ECharts CDN (https://cdn.jsdelivr.net/npm/echarts@5/dist/echarts.min.js)
字体：系统字体栈 + 可选 Google Fonts（Inter、Noto Sans SC）
CSS：变量系统 + backdrop-filter 玻璃效果 + CSS Grid/Flexbox 响应式布局
单文件：所有 CSS/JS 内联，除 ECharts CDN 外无外部依赖

ECharts 主题配色方案：

javascript
// 动态主题色板 - 根据场景选择
const PALETTES = {
  business: ['#5470c6', '#91cc75', '#fac858', '#ee6666', '#73c0de', '#3ba272', '#fc8452', '#9a60b4'],
  tech: ['#00d4ff', '#7c4dff', '#00e676', '#ff6d00', '#2979ff', '#651fff', '#00b0ff', '#d500f9'],
  warm: ['#ff6b6b', '#ffa06b', '#ffd93d', '#6bcb77', '#4d96ff', '#9b59b6', '#1abc9c', '#e74c3c'],
  cool: ['#667eea', '#764ba2', '#36d1dc', '#5b86e5', '#06beb6', '#48b1bf', '#4568dc', '#b06ab3']
};

CSS 核心变量系统（每份报告根据风格动态定制，以下仅为参考结构）：

css
:root {
  /* 主色调 — 每次根据报告场景和 frontend-design 原则选择不同配色 */
  --primary: /* 动态选择 */;
  --primary-light: /* 主色浅色变体 */;
  --primary-dark: /* 主色深色变体 */;
  --accent: /* 强调色，与主色形成对比 */;

  /* 背景系统 — 暗色/亮色/渐变均可 */
  --bg-main: /* 动态选择 */;
  --bg-card: /* 卡片背景 */;
  --bg-card-hover: /* 卡片悬停 */;

  /* 文字层次 */
  --text-primary: /* 主文字 */;
  --text-secondary: /* 次要文字 */;
  --text-muted: /* 辅助文字 */;

  /* 状态色 */
  --success: #10b981;
  --warning: #f59e0b;
  --danger: #ef4444;
  --info: #3b82f6;

  /* 玻璃效果（可选，适合暗色主题） */
  --glass-bg: rgba(255, 255, 255, 0.05);
  --glass-border: rgba(255, 255, 255, 0.1);
  --glass-blur: 12px;

  /* 布局 */
  --radius: 16px;
  --radius-sm: 8px;
  --shadow: 0 8px 32px rgba(0, 0, 0, 0.3);
}

关键 CSS 组件样式：

css
/* 玻璃拟态卡片 */
.glass-card {
  background: var(--glass-bg);
  backdrop-filter: blur(var(--glass-blur));
  border: 1px solid var(--glass-border);
  border-radius: var(--radius);
  box-shadow: var(--shadow);
}

/* KPI 卡片悬停效果 */
.kpi-card {
  transition: all 0.3s ease;
  position: relative;
  overflow: hidden;
}
.kpi-card::before {
  content: '';
  position: absolute;
  top: 0; left: 0; right: 0;
  height: 3px;
  background: linear-gradient(90deg, var(--primary), var(--accent));
}
.kpi-card:hover {
  transform: translateY(-2px);
  box-shadow: 0 12px 40px rgba(102, 126, 234, 0.15);
}

/* 归因贡献度进度条 */
.progress-bar {
  position: relative;
  background: rgba(255,255,255,0.1);
  border-radius: 12px;
  height: 24px;
  overflow: hidden;
}
.progress-fill.positive {
  background: linear-gradient(90deg, #10b981, #34d399);
}
.progress-fill.negative {
  background: linear-gradient(90deg, #ef4444, #f87171);
}

/* 归因分析区块高亮边框 */
.analysis-block.attribution {
  border-left: 4px solid var(--accent);
}

/* 建议时间线 */
.rec-timeline {
  position: relative;
  padding-left: 24px;
  border-left: 2px solid var(--glass-border);
}
.rec-item::before {
  content: '';
  position: absolute;
  left: -29px; top: 22px;
  width: 12px; height: 12px;
  border-radius: 50%;
  border: 2px solid;
}
.rec-short::before { border-color: var(--success); background: rgba(16,185,129,0.2); }
.rec-mid::before { border-color: var(--info); background: rgba(59,130,246,0.2); }
.rec-long::before { border-color: var(--accent); background: rgba(124,77,255,0.2); }

/* 核心发现徽章 */
.finding-badge {
  display: inline-block;
  padding: 2px 10px;
  border-radius: 12px;
  font-size: 12px;
  font-weight: 600;
  background: var(--primary);
  color: white;
}

/* 表格 */
.data-table table {
  width: 100%;
  border-collapse: collapse;
}
.data-table tr:nth-child(even) {
  background: var(--table-stripe);
}
.data-table tr:hover {
  background: var(--bg-card-hover);
}

第 7 步：输出报告

用分隔符包裹 HTML 直接输出：


根据查询结果，为您生成数据分析报告：

<!-- REPORT_HTML_START -->
<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>{报告标题}</title>
    <script src="https://cdn.jsdelivr.net/npm/echarts@5/dist/echarts.min.js"></script>
    <style>...完整CSS...</style>
</head>
<body>
    <div class="report-container">
        <!-- 6 个必需区块 -->
    </div>
    <script>...ECharts 初始化代码...</script>
</body>
</html>
<!-- REPORT_HTML_END -->

**报告已生成完毕**，包含：
- [图表1说明]
- [图表2说明]
- 详细数据表格
- 深度分析与归因
- 结论与建议

关键：

分隔符  和  必须独占一行
HTML 必须完整（DOCTYPE + html + head + body）
ECharts 图表初始化代码放在 </body> 之前的 <script> 中
查询数据后必须立即生成报告，不要中途停顿
不使用 emoji 作为图标（报告正文中允许 ↑↓）
对比度 ≥ 4.5:1

常见报告模式速查

模式	查询策略	推荐图表
时间趋势	DATE_TRUNC + GROUP BY 月份	面积折线图
类别对比	GROUP BY 类别 + ORDER BY	柱状图
Top N 排名	ORDER BY DESC LIMIT N	水平柱状图
占比分析	GROUP BY + 百分比计算	环形图
增长率分析	窗口函数 LAG()	折线图 + 数据标签
归因分解	多维度 GROUP BY + 增量贡献	瀑布图/堆叠柱状图
异常检测	均值 ± 2σ 标记异常	折线图 + 红色标注
帕累托分析	累积占比计算	组合图（柱状 + 累积线）

完整示例

示例：用户要求"分析2024年月度销售趋势，为什么8月特别高？"

执行流程：

理解需求 → 趋势+归因报告
sql_db_list_tables → 智能过滤出 orders, products, customers
sql_db_schema("orders, products, customers") → 获取 schema
sql_db_table_relationship("orders, products, customers") → 获取关系
生成多条 SQL：
- SQL1：月度趋势（GROUP BY month ORDER BY month）
- SQL2：8月品类分解（GROUP BY category ORDER BY sales DESC）
- SQL3：7月 vs 8月对比（CASE WHEN 计算增量）
sql_db_query 逐条执行
动态分析：
- 趋势分析：识别8月为全年峰值，环比+142%
- 归因分析：电子产品品类贡献 58%，七夕促销贡献 32%
- 结构分析：Q3 品类结构从均衡型转向电子产品主导
自动选择"科技渐变"风格 → 生成 HTML 报告
输出分隔符包裹的完整 HTML

反面示例（禁止行为）


# 错误：工作流中途停顿
用户: 生成一个销售报告
Claude: "我找到了相关表，要继续吗？"  ← 禁止
Claude: "数据查询完毕，要生成报告吗？"  ← 禁止
Claude: "用什么风格的报告？"  ← 禁止

# 正确：一次性完成全部流程，自动决策所有选项。

Publisher	apconw
Repository	`Aix-DB`
Skill name	`report-generation`
Stars	2.2K
Forks	430
Bundled files	Instructions only
Links	Skill source Repository

Report Generation

Overview

Installation

Install in TypingMind

Install in another agent

Use it in TypingMind

Works with any AI model

Skill instructions

报告生成技能

何时使用

约束（不可违反）

工作流程（7 步，必须全部完成）

第 1 步：理解需求

第 2 步：探索数据库 & 智能表过滤

第 3 步：多维度 SQL 查询

第 4 步：执行查询

第 5 步：智能分析引擎（核心 — 动态维度，不可跳过）

动态维度选择策略

各维度分析要点

分析输出要求

结论与建议生成（必须包含）

第 6 步：生成 HTML 报告

动态风格选择

报告结构（6 个必需区块）

图表类型选择（ECharts）

第 5 区块「深度分析与归因」HTML 结构（强制）

第 6 区块「结论与建议」HTML 结构

HTML 技术规范

第 7 步：输出报告

常见报告模式速查

完整示例

示例：用户要求"分析2024年月度销售趋势，为什么8月特别高？"

反面示例（禁止行为）

Frequently asked questions

Set up your own AI workspace now

Overview

Installation

Install in TypingMind

Install in another agent

Use it in TypingMind

Works with any AI model

Skill instructions

报告生成技能

何时使用

约束（不可违反）

工作流程（7 步，必须全部完成）

第 1 步：理解需求

第 2 步：探索数据库 & 智能表过滤

第 3 步：多维度 SQL 查询

第 4 步：执行查询

第 5 步：智能分析引擎（核心 — 动态维度，不可跳过）

动态维度选择策略

各维度分析要点

分析输出要求

结论与建议生成（必须包含）

第 6 步：生成 HTML 报告

动态风格选择

报告结构（6 个必需区块）

图表类型选择（ECharts）

第 5 区块「深度分析与归因」HTML 结构（强制）

第 6 区块「结论与建议」HTML 结构

HTML 技术规范

第 7 步：输出报告

常见报告模式速查

完整示例

示例：用户要求"分析2024年月度销售趋势，为什么8月特别高？"

反面示例（禁止行为）

Frequently asked questions

Related AI Skills

Set up your own AI workspace now