Name: Report Generator
Author: Pedro Gonzalez

据 AlphaMoat 统计,截至 2026-09,Report Generator 累计下载 2,497 次、获 0 个星标,在全部 5,078 个 AI 技能中排名第 4,097 位,在「数据分析」分类(399 个)中排名第 308 位。

累计安装

102

累计下载

2,497

星标

全站排名

#4,097

全站前 81% · 「数据分析」前 78%

平台	累计安装	累计下载	星标	评论
ClawHub ↗	39	2,497	-	-
SkillHub ↗	102	2,213	-	—

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

工作流包括检查输入数据、确定报告目标、计算相关指标、生成图表，并按摘要、指标看板和详细分析等结构组织内容；还要求检查数字与叙述是否一致，并标出缺失或脏数据。报告结论不应超出输入数据所支持的范围。

资料发布于 2026-10-29

可以用来做什么

验证结构化输入数据及字段映射。
围绕目标读者计算指标并制作图表和表格。
整理执行摘要、详细分析和建议，并检查数据质量。

什么时候用

需要基于结构化数据制作经营或绩效报告时。
需要将指标、趋势和图表整理为面向业务读者的报告时。
输入字段缺失、数据质量不明或结论可能被误读为因果关系时，需要先补充映射并核查依据。

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

先检查这份 CSV 的列名、缺失值和可用指标，再建议报告结构；不要生成或保存报告。

基于我提供的数据制作趋势摘要，并明确区分数据事实、解释与尚不能得出的因果结论。

月度数据趋势

累计下载2,497

星标-

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份	累计下载	环比	星标
2026-09	2,497	—	-
2026-08	2,394	+4.5%	-
2026-07	2,291	+115.7%	-
2026-06	1,062	+14.7%	-
2026-05	926	—	-
2026-03	591	—	-

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 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.

展开全部(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.