HTML报告：基础布局契约

每份HTML报告必须满足以下基础要求。这些是工程底线，不是风格选择 ，无论什么风格都必须遵守：

html { background: [与body背景色一致]; }
body {
  max-width: 1200px;
  margin: 0 auto;        /* 水平居中 */
  padding: 40px 48px;    /* 内容呼吸空间 */
}

为什么 ：

• margin: 0 auto — 报告在浏览器中必须居中显示，不能贴左
• html与body背景色一致 — 居中后两侧不出现色差
• max-width而非width — 窄屏也能正常显示
• 辅助文字≥10pt — 为投影/培训场景设计
• 图表可用CDN库（ECharts、D3.js等）或纯SVG，按复杂度自行选择

设计哲学

我们追求的感觉

温暖专业 — 像一本设计精良的杂志。有温度但有权威感。不冷冰冰的科技蓝，不花哨的赛博霓虹。

信息优先 — 设计服务于数据。标题是结论而非描述，颜色有语义（红=问题，绿=健康，灰=参考），只标注关键数据点。

10米可读 — 为投影场景设计。标题要大，表格要有斑马纹，排名从大到小。

数据不说谎 — 柱状图Y轴从0开始，极小值有最小宽度保护。

审美禁区

赛博霓虹 / 深蓝底(#0D1117) / 紫色底 / 纯黑纯白底 / 金色(#FFD700)在白底做文字

报告风格

用户未指定风格时，从以下11种中随机选择，让每次产出有新鲜感：

经典五种（金融/咨询/媒体传统）

设计六种（设计哲学跨界，来自huashu-design风格库）

每种风格的色值/字体/布局参考 → references/report-style-gallery.md

参考文件提供上下文和灵感，不是逐字执行的清单。 理解风格的精神，用你的判断实现。

PPT风格

PPT风格参考 → references/visual-design-system.md

核心方法论：多专家深度分析

这是本skill最核心的分析工作流。 面对任何有深度分析价值的数据集，采用「数据理解→专家选角→并行分析→统一呈现」四阶段流程。

触发条件

以下任一条件满足时，启用多专家深度分析（而非简单统计摘要）：

• 数据有多个分析维度（时间序列+财务+行为等）
• 用户明确要求「深度分析」「全面分析」「做报告」
• 数据量>500行或字段>10个
• 简单分析无法覆盖数据的全部价值

简单任务（查数、做表、写公式）不需要启用此流程。

四阶段流程

Phase 1: 数据理解        → 读取数据，输出概览，理解字段含义和数据特征
Phase 2: 专家选角        → 基于数据特征，选取3-5个不同领域的最适合专家角色
Phase 3: 并行深度分析    → 每个专家角色独立执行分析（使用subagent并行）
Phase 4: 统一综合呈现    → 管理型分析师视角整合所有观点，生成最终报告

Phase 1: 数据理解

读取数据后立即输出：

1. 数据维度（行×列）、时间跨度、字段清单
2. 基础统计（均值/中位数/极值/缺失率）
3. 数据质量问题
4. 初步洞察 （1-2个立即可见的趋势或异常）

Phase 2: 专家选角

根据数据类型和领域，选取3-5个不同视角的专家角色 。选角原则：

• 领域匹配 — 每个角色的专业领域必须与数据有直接关联
• 视角互补 — 角色之间不重叠，覆盖定量/定性/战略/风险/行为等不同维度
• 真实可信 — 使用真实的知名专家/机构名字（如Damodaran、McKinsey、Kahneman），增加角色代入感
• 陈述分析方向 — 每个角色用300-500字陈述自己的分析思路和关注点

将角色陈述写入md文件 供用户确认，而非直接回复。用户可调整角色后再进入Phase 3。

Phase 3: 并行深度分析（subagent架构）

每个专家角色使用独立的subagent并行执行 ，好处：

• 上下文隔离：每个专家只关注自己的分析维度，不互相干扰
• 并行效率：3-5个分析同时进行
• 质量保障：每个subagent的prompt包含完整的角色定义+数据上下文+分析目标

subagent调用方式 ：使用Task工具，subagent_type="general-purpose"，每个subagent的prompt包含：

1. 角色定义（你是谁、你的分析框架）
2. 数据文件路径
3. 具体分析任务清单
4. 输出格式要求（JSON/Markdown，含关键数字和结论）

所有subagent并行启动（run_in_background=true），完成后收集各自的分析结果。

Phase 4: 统一综合呈现

关键原则：最终报告不出现任何专家角色名字。

从一个「管理型高级分析师」的统一视角，将多个专家的分析结论融合呈现：

• 按主题组织（而非按角色），如「基本面」「风险」「趋势」「行为洞察」
• 交叉引用不同角色的发现，形成更完整的结论
• 标题用结论句式（如「CapEx翻倍，净现金首次转负」）而非描述句式（如「资本支出分析」）
• 数据和图表的选取综合所有专家的分析结果，取最有说服力的

最终产出：HTML报告（默认）或PPT，风格从5种中选取最匹配的。

适配不同规模

详细执行规范 → references/workflows.md「多专家深度分析工作流」

分析哲学

• 结论先行 — 先说好还是不好，再说为什么
• 数据说话 — 每个观点有数据支撑
• 具体可执行 — 建议能直接执行，不说「需要进一步研究」
• 不说废话 — 删掉「总而言之」「需要指出的是」
• 使用「」引号

语言规则

报告内容默认中文 ，除非用户明确要求英文。

保留英文的情况（仅限这些）：

• 缩写和专业术语：FCF、CapEx、MA200、ROIC、D/E Ratio、P/FCF、Sharpe、GARCH、VaR
• 公司/产品名：Meta、Apple、Amazon、Llama、Reels
• 人名：Damodaran、Kahneman（仅在Phase 2专家选角文件中出现，最终报告不出现）
• 通用度极高的英文词：IPO、ATT、AI、CEO

以下必须用中文：

• 报告标题、章节标题、图表标题
• Executive Summary → 核心摘要
• Source → 数据来源
• Synthesis → 综合结论
• 评价性用语（Strong → 强、Neutral → 中性、Extreme → 极端）
• 页脚、日期标注、图例标签

分析输出结构

核心结论（1-3句，管理层看这段就够了）
→ 数据支撑（具体数字、对比、趋势）
→ 异常/风险
→ 可执行建议（3-5条，按优先级）
→ 下一步（多想一步：还能深挖什么）

不确定时必须问

• 数据字段含义不明
• 分析维度选择
• 报告受众不明
• 涉及业务判断

工具与脚本

依赖缺失时自动安装。

参考文件索引

花叔出品 | AI Native Coder · 独立开发者 代表作：小猫补光灯（AppStore付费榜Top1）·《一本书玩转DeepSeek》

Weekly Installs

1

Repository

alpzhang/data-a…is-skill

First Seen

Today

Security Audits

Gen Agent Trust HubPassSocketPassSnykPass

Installed on

amp1

cline1

openclaw1

opencode1

cursor1

kimi-cli1