Name: Report Generator
Author: Pedro Gonzalez

據 AlphaMoat 統計,截至 2026-09,Report Generator 累計下載 2,497 次、獲 0 個星標,在全部 5,078 個 AI 技能中排名第 4,097 位,在「資料分析」分類(399 個)中排名第 308 位。

累計安裝

102

累計下載

2497

星標

全站排名

#4,097

全站前 81% · 「資料分析」前 78%

平台	累計安裝	累計下載	星標	評論
ClawHub ↗	39	2497	-	-
SkillHub ↗	102	2213	-	—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

工作流包括檢查輸入資料、確定報告目標、計算相關指標、生成圖表，並按摘要、指標看板和詳細分析等結構組織內容；還要求檢查數字與敘述是否一致，並標出缺失或髒資料。報告結論不應超出輸入資料所支援的範圍。

資料釋出於 2026-10-29

可以用來做什麼

驗證結構化輸入資料及欄位對映。
圍繞目標讀者計算指標並製作圖表和表格。
整理執行摘要、詳細分析和建議，並檢查資料質量。

什麼時候用

需要基於結構化資料製作經營或績效報告時。
需要將指標、趨勢和圖表整理為面向業務讀者的報告時。
輸入欄位缺失、資料質量不明或結論可能被誤讀為因果關係時，需要先補充對映並核查依據。

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

先檢查這份 CSV 的列名、缺失值和可用指標，再建議報告結構；不要生成或儲存報告。

基於我提供的資料製作趨勢摘要，並明確區分資料事實、解釋與尚不能得出的因果結論。

月度資料趨勢

累計下載2497

星標-

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。

月份	累計下載	環比	星標
2026-09	2497	—	-
2026-08	2394	+4.5%	-
2026-07	2291	+115.7%	-
2026-06	1062	+14.7%	-
2026-05	926	—	-
2026-03	591	—	-

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。

2.2 KB · ClawHub v1.0.0

---
name: report-generator
description: Generate professional data reports (HTML/PDF-ready) with KPI summaries, charts, tables, executive insights, and recommendations from CSV, Excel, or JSON data. Use when asked to create dashboards, monthly/weekly KPI reports, sales/performance summaries, executive briefs, or analytical reports with visualizations.
---

# Report Generator

## Overview
Create clean, decision-ready reports from structured data files or user-described datasets. Prioritize business readability: clear KPIs, trend visuals, concise narrative insights, and practical recommendations.

展開全部(共 59 行)

## Workflow
1. Validate input data source (CSV/XLSX/JSON or user-provided schema description).
2. Identify report goal and audience (executive summary vs operational detail).
3. Compute KPIs and trends relevant to the goal.
4. Generate visuals (bar + line at minimum; add breakdown charts as needed).
5. Produce formatted report sections in this order:
   - Executive summary
   - KPI dashboard
   - Detailed analysis
   - Charts/tables
   - Recommendations
6. Sanity-check numbers and narrative consistency before returning deliverable.

## Report Blueprint
Use this canonical structure unless user asks otherwise:

```python
report = {
    "title": "Monthly Sales Report",
    "period": "January 2024",
    "sections": [
        "executive_summary",
        "kpi_dashboard",
        "detailed_analysis",
        "charts",
        "recommendations",
    ],
}
```

## KPI Defaults
Use these by default when fields exist; adapt names via user mapping when needed:
- Revenue total / average
- Order count and average order value
- Growth rate (period-over-period)
- Top category/product/customer by contribution
- Trend direction (up/down/flat)

## Output Rules
- Keep narrative concise and business-facing.
- Highlight 3-5 key findings max in executive summary.
- Flag missing/dirty data explicitly.
- Never claim causality without supporting data.

## Implementation Resources
- Use `scripts/generate_report.py` for deterministic report generation.
- Use `references/report-templates.md` for section templates and phrasing patterns.
- Use `references/chart-guidelines.md` for chart selection and formatting standards.