@huicai/cli 2026.714.0 → 2026.721.0

package/skills/env-private-deploy/references/delivery-templates.md

@@ -0,0 +1,35 @@
+# 私有化交付模板包（env-private-deploy 落笔件）
+
+## 1. 客户档案卡(一客户一档;接工单第一步查档案不是问客户)
+
+| 项 | 内容 |
+|---|---|
+| 客户/形态 | __ / □云内托管 □在线机房 □审批出网 □全离线 |
+| 当前版本 | v__(LTS/功能版);升级历史:__ |
+| 部署拓扑 | __(节点/规格/组件清单) |
+| 配置 diff | 相对默认值:__(全量副本会漂移,只记 diff) |
+| 环境档案 | env-recon 报告链接:__(带宽实测/权限/工具清单) |
+| 信创组合 | __(适配矩阵格:__) |
+| 联系人/窗口 | 技术 __ 商务 __;变更窗口 __;业务禁动期(月结/大促):__ |
+| 工单摘要 | 高频问题:__;已知问题与 workaround:__ |
+
+## 2. 实施 SOP 检查单(现场作业三段)
+
+**实施前**: □预检脚本远程先跑(拦 80%) □物料清单核对(bundle-manifest verify 过) □窗口与回退点客户书面确认 □联络线三方(现场/远程/客户)
+**实施中**: □操作留痕(命令与输出全记录) □每阶段冒烟确认 □撤退条件:窗口剩 __ 分钟未过半→回滚
+**实施后**: □验收签字(清单来自合同验收标准) □交接培训(管理员手册+应急卡) □实施报告归档进档案 □诊断包采集演示给客户管理员
+
+## 3. 升级预检清单(每客户升级前)
+
+- [ ] 版本跳跃路径确认:v__ → v__(直升/需过中间版 __)
+- [ ] 客户等价环境演练过(计时 __ 分钟);回滚包同行
+- [ ] 配置 schema 兼容检查:自动迁移项 __;不兼容项人工处理:__
+- [ ] 数据备份自动化确认;升级窗口与业务日历核对
+- [ ] 批次位置:□内部 □友好客户 □第 __ 批(前批遗留问题清零否:__)
+
+## 4. 版本治理看板(月度例会用)
+
+| 版本 | 在役客户数 | 状态(LTS/功能/EOL 倒计时) | 停功能日 | 停支持日 | 驱动升级动作 |
+|---|---|---|---|---|---|
+
+> 在役版本上限 __ 个(超限驱动升级);安全补丁 backport:严重→所有在役版;禁客户专属分支。

package/skills/env-xinchuang/SKILL.md

@@ -0,0 +1,73 @@
+---
+name: env-xinchuang
+description: 信创国产化适配链（芯片×OS×数据库×中间件全景与适配矩阵管理→依赖抽象与方言层架构策略→达梦/金仓/OceanBase/openGauss 适配深坑(兼容模式≠完全兼容/大小写/空串 NULL/分页)→ARM 多架构镜像与性能重基线→东方通/宝兰德中间件差异→浏览器与外设→安可测评验收→先边缘后核心双轨节奏）。eng-complex-env 的信创孙链:国产化改造立项、信创环境适配排障、支持矩阵失控、测评验收准备时载入。
+version: 1.0.0
+---
+
+# 信创国产化适配链
+
+eng-complex-env 的信创孙链。信创适配的本质:**把"隐性的 x86+CentOS+Oracle/MySQL 假设"逐条显性化并解除**;
+最大风险不是单点适配,是**组合爆炸**(芯片×OS×DB×中间件)的矩阵管理失控。
+
+## 生态全景速查（选型对话的地图）
+
+- 芯片:ARM 系(鲲鹏/飞腾)/LoongArch(龙芯)/x86 兼容(海光/兆芯)/申威(SW64,特定领域)——**指令集决定适配工作量**:x86 兼容系最平滑,ARM 主流,LoongArch/申威要重编译全栈;
+- OS:麒麟(银河麒麟/中标麒麟)/统信 UOS/openEuler 系——内核代差与包管理差异(有 rpm 系也有 deb 系);
+- 数据库:达梦 DM(Oracle 风)/人大金仓 KingbaseES(PG 系,多兼容模式)/openGauss 与 GaussDB(PG 系)/OceanBase(分布式,MySQL/Oracle 双兼容)/TDSQL 等——**"兼容模式"是营销词也是工程雷区**,见深坑节;
+- 中间件:东方通 TongWeb/宝兰德 BES/金蝶天燕(Java 应用服务器,替 WebLogic/Tomcat 位);
+- 端侧:奇安信/360 浏览器(Chromium 内核为主,老国企另有 IE 兼容残留)、WPS(doc 兼容细节)、国产打印机与 Key 外设(政务场景);
+- 客户环境常是**指定组合**(标书写死),支持矩阵按真实商机收敛,别追求全组合。
+
+## 适配矩阵管理（组合爆炸的解药）
+
+- **支持矩阵显式声明**:按"已认证/兼容性测试通过/理论可行未验证/不支持"四档发布(对内对外同一张表)——含糊的"支持信创"=现场扯皮之源;
+- 矩阵收敛策略:主推组合 2–3 个(投满测试),其余按商机触发验证;
+- CI 矩阵抽验(cicd-pipeline 矩阵):主推组合每日全量,次级组合每周冒烟——**没有 CI 覆盖的组合=声明了也会烂**;
+- 每格矩阵挂:验证日期/版本/已知问题清单(env-private-deploy 配置档案联动)。
+
+## 架构层策略（一次抽象,处处适配）
+
+- **数据库方言层**:SQL 收口到 ORM/方言适配层(eng-integration 防腐层思想)——散落的裸 SQL 是适配成本的主体,先收口再适配;分页/函数/DDL 差异进方言实现;
+- 中间件适配层:部署描述符/类加载差异隔离到构建 profile,业务代码零感知;
+- 依赖普查:JNI/so 本地库(要多架构重编译,dev-cpp 交叉编译)/字体(中文字体授权与存在性)/硬编码路径与假设(`/usr/bin/` 里未必有你要的);
+- **架构无关是终态**:新代码禁引入单架构依赖(评审项),存量按矩阵需求逐个解除。
+
+## 数据库适配深坑（信创工作量的大头）
+
+- **兼容模式≠完全兼容**:达梦的 Oracle 模式/金仓的三种模式覆盖常用面,边角必踩——**全量 SQL 回归是唯一可信验证**(qa-api-automation 全量跑+db-migration 校验);
+- 高频深坑清单:**空字符串与 NULL**(Oracle 风把 '' 当 NULL,MySQL 风不是——达梦默认 Oracle 行为,判空逻辑全量排查)/大小写敏感策略(建库参数定终身,达梦大小写敏感开关/金仓引号行为)/分页语法(LIMIT vs ROWNUM vs 标准 FETCH)/日期函数与精度/序列与自增差异/锁行为与隔离级别默异(死锁形态变化,db-mysql 经验不能平移)/存储过程方言(重度存储过程系统=改造大户,借机下沉到应用层,eng-legacy);
+- 驱动与连接池:国产库 JDBC 驱动的坑(连接串参数/prepared statement 行为/获取生成键),连接池兼容性验证(超时与探活语句);
+- 迁移走 **db-migration** 六步(异构专项),兼容性问题在"schema 映射+全量校验"两步暴露。
+
+## ARM 与多架构工程
+
+- 多架构镜像:buildx 多平台构建+manifest(一个 tag 拉对架构,eng-infra 镜像纪律);基础镜像信创版(麒麟/openEuler 基线镜像,统一维护);
+- 依赖多架构审计:纯语言依赖平移顺滑,带 native 的逐个查(有无 aarch64 轮子/需自编译清单——**提前编好进离线仓 env-offline**,现场编译=灾难);
+- **性能重基线**:ARM 性能特性不同(单核/内存带宽/锁竞争表现)——eng-performance 基线按架构分开建,x86 的容量结论不平移(压测重跑再承诺容量);
+- JVM on ARM:版本选新(老 JDK 的 ARM 优化差),GC 表现重测(dev-java 参数不照抄 x86)。
+
+## 中间件与端侧适配
+
+TongWeb/BES 与 Tomcat 差异:部署包结构与描述符/类加载顺序(ClassNotFound 高发:包冲突处理策略不同)/默认线程池与超时参数/管理控制台运维方式——**按"新的应用服务器"对待做全量回归,不当"改名的 Tomcat"**;
+浏览器:Chromium 系为主(dev-frontend browserslist 加信创浏览器版本);政务遗留 IE 内核诉求单独评估(成本高,谈范围);
+外设与 Key:政务 UKey/打印控件的浏览器插件适配(常是老技术,隔离成独立兼容页)。
+
+## 测评与验收
+
+安可/信创测评流程预研(目标客户的测评要求进需求,eng-requirements 合规验收标准);
+兼容性互认证书:与主推组合厂商做互认证(商务与技术双收益,测试报告归档);
+性能验收口径:**信创环境单独立基线**,合同承诺按信创实测写(拿 x86 数字签信创合同=验收翻车)。
+
+## 节奏与组织
+
+**先边缘后核心**:非核心系统先趟坑(练团队攒清单)→核心系统带着经验上;
+双轨运行期:新老环境并行+对账(eng-legacy 双跑对账同法),信创侧稳定一个业务周期再切主;
+适配知识库:坑清单按"组件×现象×解法"沉淀(knowledge-sop)——**信创适配的复利全在坑清单**,第二个项目成本减半靠它。
+
+**作业包**:`references/adaptation-matrix-template.md`(支持矩阵四档登记/依赖普查表/数据库适配排查清单/ARM 检查/坑清单登记行)。
+
+## 使用纪律
+
+支持矩阵四档声明且有 CI 背书;SQL 与容量结论不跨库跨架构平移(重验);
+带 native 依赖先查多架构;每个适配坑回写知识库;
+测评要求进需求验收——**信创不是"换个库跑起来",是把隐性假设清干净的工程**。

package/skills/env-xinchuang/references/adaptation-matrix-template.md

@@ -0,0 +1,41 @@
+# 信创适配矩阵与排查清单（env-xinchuang 落笔件）
+
+## 1. 支持矩阵登记表(四档声明,对内对外同一张;含糊的"支持信创"=现场扯皮之源)
+
+| 组合(芯片×OS×DB×中间件) | 档位 | CI 覆盖(每日/每周/无) | 验证日期/版本 | 已知问题 |
+|---|---|---|---|---|
+| 例:鲲鹏×麒麟V10×达梦8×TongWeb7 | 已认证 | 每日全量 | | |
+| __ | □已认证 □兼容测试通过 □理论可行未验证 □不支持 | | | |
+
+主推组合 ≤3 个投满测试;**没有 CI 覆盖的组合=声明了也会烂**;每格挂已知问题清单。
+
+## 2. 依赖普查表(动工前,单架构依赖显性化)
+
+| 依赖 | 类型(JNI so/字体/硬编码路径/x86 特有) | aarch64/LoongArch 可用? | 处置(重编译进离线仓/替换/隔离) |
+|---|---|---|---|
+
+## 3. 数据库适配排查清单(达梦/金仓/OB/openGauss 高发,逐项过)
+
+- [ ] **空串 vs NULL**:判空逻辑与唯一约束行为全量排查(Oracle 系 ''=NULL)
+- [ ] 大小写策略:建库参数(定终身)已确认:__;引号行为测过
+- [ ] 分页/日期函数/序列语法:方言层收口确认(散落裸 SQL 清单:__)
+- [ ] 驱动:连接串参数/prepared statement/生成键行为验过;连接池探活语句适配
+- [ ] 存储过程清单 __ 个:□方言重写 □下沉应用层(迁移是去存储过程最好时机)
+- [ ] **全量 SQL 回归跑过**(兼容模式≠完全兼容;qa-api-automation 全量+TOP SQL EXPLAIN)
+- [ ] 死锁形态回归(锁行为与原库不同,db-mysql 经验不平移)
+
+## 4. ARM/多架构检查
+
+- [ ] 多架构镜像(buildx manifest);信创基线镜像(麒麟/openEuler)统一维护
+- [ ] **性能重基线**:信创环境单独压测,容量结论不从 x86 平移(合同承诺按信创实测写)
+- [ ] JVM/运行时版本选新并重测 GC 表现
+
+## 5. 端侧与测评
+
+- [ ] browserslist 加信创浏览器;UKey/打印控件隔离成兼容页
+- [ ] 测评要求进需求验收(eng-requirements):__;互认证书计划:__
+
+## 6. 坑清单登记行(信创复利所在,第二个项目成本减半靠它)
+
+| 组件 | 现象 | 根因 | 解法 | 日期 |
+|---|---|---|---|---|

package/skills/equipment-tpm/SKILL.md

@@ -0,0 +1,56 @@
+---
+name: equipment-tpm
+description: 设备管理与 TPM（OEE 计算与六大损失、点检保养计划、故障 MTBF/MTTR、备件管理、自主保养）。当用户说"OEE/设备效率/点检/保养计划/老是坏/备件/停机分析"时使用。制造技能链之设备环。
+version: 1.0.0
+---
+
+# 设备管理与 TPM（制造技能链 · 设备环；全景见 manufacturing-chain）
+
+## OEE（`read_skill_file` 读 `scripts/oee.py`，设备管理的北极星）
+
+- **OEE = 可用率 × 性能率 × 良率**：可用率=运行时间/计划时间（计划外停机扣）;
+  性能率=(实际产量×理论节拍)/运行时间;良率=合格/总产;
+- `oee()` 输出三率与 OEE + **六大损失瀑布**（故障停机/换型调整 → 吃可用率;
+  空转短停/速度损失 → 吃性能率;不良返工/开机损失 → 吃良率）——**OEE 低先看瀑布,
+  哪块损失大治哪块**,平均主义的改善没有杠杆;
+- 口径纪律：计划时间是否含计划保养写死;短停（<5min）常被漏记,先治记录再信数字;
+  世界级 85% 是方向不是及格线,**跟自己比、分设备比**。
+
+## 点检与保养（防患体系三层）
+
+- **日常点检**（操作工,自主保养）：点检表（部位/标准/方法/周期,图示化——"检查皮带"✗,
+  "皮带无裂纹、张紧下压 10–15mm"✓）;漏检率纳入班组考核;
+- **定期保养**（维修工）：保养日历（设备×项目×周期）,保养后试机验收记录;
+- **预防性更换**：易损件按寿命/计数更换（联动备件）;
+- 自主保养推进（TPM 七步概念）：初期清扫 → 污染源对策 → 基准书 → 总点检 → 自主点检 →
+  标准化 → 自主管理——每步有验收,别跳步挂牌子。
+
+## 故障管理
+
+故障记录三要素：现象/处置/**根因**（修好≠管好,复发故障=没找到根因,8D 思路
+manufacturing-quality）;`mtbf_mttr()`：MTBF=运行时间/故障次数、MTTR=修复总时长/次数——
+分设备趋势,MTBF 降=劣化预警;TOP 故障模式帕累托 → 专项（改造/换件/操作培训）;
+大修决策：年维修费 >重置价 30–40% 时启动更新评估（management-accounting 投资测算）。
+
+## 备件管理
+
+分级：**关键备件**（停机影响大+采购周期长 → 安全库存必备,procurement-supply 口径）/
+常备件（min-max）/ 随用随购;备件台账（适用设备/库存/在途/上次消耗）;
+呆滞备件与设备报废联动清理;以修代换的经济性判断。
+
+## 设备台账与生命周期
+
+台账：设备/型号/启用日期/原值折旧（accounting-ops 联动）/大修记录/精度校验（计量器具
+检定台账,过期即停用——质量体系审核必查项）;
+新设备验收：FAT/SAT 清单 + 初期能力（SPC 初始 CPK,manufacturing-quality）。
+
+## 验收自查
+
+- [ ] OEE 三率口径写死,六大损失有瀑布归因
+- [ ] 点检标准可判定,漏检率有统计
+- [ ] 复发故障有根因分析;MTBF/MTTR 分设备趋势
+- [ ] 关键备件有安全库存;计量器具无过期
+
+## 附件
+
+- `scripts/oee.py` — OEE 三率+六大损失瀑布 / MTBF-MTTR;可直接执行自测

package/skills/equipment-tpm/scripts/oee.py

@@ -0,0 +1,58 @@
+# 设备效率计算件（经 run_python 执行）：OEE 三率 + 六大损失瀑布 + MTBF/MTTR。
+# 直接执行本文件 = 自测。
+import pandas as pd
+
+
+def oee(planned_min, downtime_breakdown_min, downtime_setup_min,
+        ideal_cycle_sec, total_count, defect_count, minor_stop_min=0.0):
+    """OEE = 可用率 × 性能率 × 良率，并给六大损失分解。
+    可用率=(计划-故障-换型)/计划；性能率=(总产×理论节拍)/运行时间（含短停与速度损失）；良率=合格/总产。"""
+    run_min = planned_min - downtime_breakdown_min - downtime_setup_min
+    assert run_min > 0, '运行时间≤0：检查停机数据'
+    availability = run_min / planned_min
+    ideal_min = total_count * ideal_cycle_sec / 60
+    performance = min(ideal_min / run_min, 1.0)
+    quality = (total_count - defect_count) / total_count if total_count else 0.0
+    val = availability * performance * quality
+    # 损失瀑布（分钟口径）
+    speed_loss = max(run_min - ideal_min - minor_stop_min, 0.0)
+    quality_loss = ideal_min * (1 - quality)
+    waterfall = pd.DataFrame([
+        ('故障停机', downtime_breakdown_min), ('换型调整', downtime_setup_min),
+        ('空转短停', minor_stop_min), ('速度损失', round(speed_loss, 1)),
+        ('不良损失(折时)', round(quality_loss, 1)),
+    ], columns=['损失项', '分钟'])
+    waterfall['占计划时间%'] = (waterfall['分钟'] / planned_min * 100).round(1)
+    print(f'[OEE] 可用率 {availability:.1%} × 性能率 {performance:.1%} × 良率 {quality:.1%} '
+          f'= **{val:.1%}**（计划 {planned_min} 分钟）')
+    print(waterfall.to_markdown(index=False))
+    top = waterfall.sort_values('分钟', ascending=False).iloc[0]
+    print(f"  改善杠杆：先治「{top['损失项']}」（{top['分钟']:.0f} 分钟，占 {top['占计划时间%']}%）")
+    return {'oee': round(val, 4), 'availability': round(availability, 4),
+            'performance': round(performance, 4), 'quality': round(quality, 4),
+            'waterfall': waterfall}
+
+
+def mtbf_mttr(records):
+    """records: DataFrame[设备, 运行小时, 故障次数, 修复总小时]。返回带 MTBF/MTTR 的表。"""
+    d = records.copy()
+    d['MTBF(h)'] = (d['运行小时'] / d['故障次数'].replace(0, pd.NA)).astype(float).round(1)
+    d['MTTR(h)'] = (d['修复总小时'] / d['故障次数'].replace(0, pd.NA)).astype(float).round(2)
+    d = d.sort_values('MTBF(h)')
+    print('[故障] MTBF 升序（越靠前越该关注）：\n' + d.to_markdown(index=False))
+    return d
+
+
+if __name__ == '__main__':
+    r = oee(planned_min=480, downtime_breakdown_min=35, downtime_setup_min=25,
+            ideal_cycle_sec=30, total_count=700, defect_count=21, minor_stop_min=20)
+    # 可用率 420/480=87.5%；理论 350min → 性能 350/420≈83.3%；良率 97%
+    assert abs(r['availability'] - 0.875) < 1e-4
+    assert abs(r['performance'] - 350 / 420) < 1e-4
+    assert abs(r['quality'] - 0.97) < 1e-4
+    assert abs(r['oee'] - 0.875 * (350 / 420) * 0.97) < 1e-3
+    assert r['waterfall']['分钟'].iloc[3] == 50.0  # 速度损失 = 420-350-20
+    m = mtbf_mttr(pd.DataFrame({'设备': ['冲压机', '注塑机'], '运行小时': [700, 680],
+                                '故障次数': [7, 2], '修复总小时': [10.5, 1.5]}))
+    assert m.iloc[0]['设备'] == '冲压机' and m.iloc[0]['MTBF(h)'] == 100.0
+    print('OK oee.py')

package/skills/esg-report/SKILL.md

@@ -0,0 +1,58 @@
+---
+name: esg-report
+description: ESG 与双碳报告（ESG 报告框架、重要性议题矩阵、碳排放核算 Scope1/2/3、减排路径、评级问卷应答）。当用户说"ESG 报告/社会责任报告/碳盘查/碳中和/可持续发展报告/评级问卷"时使用。
+version: 1.0.0
+---
+
+# ESG 与双碳（框架对标 + 可复算碳账 + 反漂绿红线）
+
+## 反漂绿红线（先行）
+
+每个环境/社会声明都要有**数据与口径**支撑;"绿色/低碳/领先"类形容词无数据不用;
+目标必须带基准年与边界（"2030 较 2020 降 30%,范围 1+2,组织边界=并表口径"）;
+数据缺口如实披露"暂未统计"而非留白或估个漂亮数。
+
+## ESG 报告编制流程
+
+1. **框架选定**：按披露对象选（监管要求的交易所指引为主,叠加 GRI/ISSB 思路;
+   出海供应链客户常要求 CDP/EcoVadis 口径）——框架条款对照表先行（框架要求 → 我方披露位置 → 数据状态）;
+2. **重要性议题矩阵**：议题池（行业通用+利益相关方调研）→ 双维评分
+   （对利益相关方重要性 × 对公司影响,财务重要性视框架加做双重重要性）→ 矩阵图（data-analysis 出图）
+   → 高重要性议题=报告重点章节,低的略写——**厚而平均的报告是失败的报告**;
+3. **数据收集清单**：按议题给指标-口径-数据责任部门-佐证台账（环境:能耗/水/废;社会:工伤率/
+   培训时长/员工结构;治理:董事会构成/反腐败培训覆盖）;
+4. **成稿**：董事长致辞（结合当年实事,拒模板腔）→ 关于我们 → 重要性分析 → E/S/G 分章
+   （每章:管理方针→目标与进展表→案例→数据表）→ 指标索引表（对照框架编号）→ 鉴证声明（如有）。
+
+## 碳排放核算（`read_skill_file` 读 `scripts/carbon_calc.py`）
+
+- 方法：活动数据 × 排放因子（组织边界先定:运营控制权/股权比例法,注明）;
+- **范围 1**（直接:自有锅炉/车辆燃料）/**范围 2**（外购电力热力,给基于地点法;有绿电采购再加
+  基于市场法双口径）/**范围 3**（价值链 15 类,先做重要类别筛查:采购商品/上下游运输/差旅/通勤,
+  用支出法或活动法并标注数据质量等级）;
+- `carbon_inventory()`：活动数据表 × 因子表 → 分范围/分设施排放清单 + 占比图数据;
+  **因子必须带来源与年份**（内置示例因子仅供演示,产出中标注"请替换为权威因子库现行值:
+  如生态环境部发布的电网因子/IPCC 缺省值"）;
+- 强度指标：吨 CO₂e/万元营收、/单位产品——同口径多期对比才有意义。
+
+## 减排路径与目标
+
+基线 → 措施清单（节能技改/绿电/工艺/供应链）每项给减排量测算与成本 → 边际减排成本排序 →
+分年路径瀑布图;承诺用语分级（已核实的写"目标",未论证的写"探索方向"）。
+
+## 评级问卷应答（CDP/EcoVadis/MSCI 类）
+
+题目拆解 → 现有证据映射（政策文件/台账/认证）→ 缺口清单（能补的给补齐动作与时限,
+不能补的如实作答——**问卷造假被验证的代价远高于低分**）;答案与公开报告数据一致性核对。
+
+## 验收自查
+
+- [ ] 每个声明有数据口径;目标带基准年与边界
+- [ ] 碳账因子全部有来源年份;示例因子已提示替换
+- [ ] 范围 3 做了重要性筛查并标数据质量
+- [ ] 重要性矩阵支撑了章节详略
+- [ ] 问卷答案与报告披露一致
+
+## 附件
+
+- `scripts/carbon_calc.py` — carbon_inventory（活动×因子,分范围清单+强度）;示例因子表(演示用途标注);可直接执行自测

package/skills/esg-report/scripts/carbon_calc.py

@@ -0,0 +1,61 @@
+# 碳核算件（经 run_python 执行）：排放 = 活动数据 × 排放因子，分范围/分设施清单与强度指标。
+# ⚠ 内置因子为**演示示例**（量级合理但非权威现行值）：正式盘查必须替换为权威因子
+#   （电网因子以生态环境部现行发布为准；燃料以 IPCC/国标缺省值为准）并标注来源年份。
+# 直接执行本文件 = 自测。
+import pandas as pd
+
+# 示例因子表（fuel: tCO2e/单位；仅供演示，正式使用必须替换并注明来源）
+DEMO_FACTORS = pd.DataFrame([
+    ('天然气', '万Nm3', 21.62, '示例值·请替换为权威现行因子'),
+    ('汽油', 't', 2.93, '示例值·请替换为权威现行因子'),
+    ('柴油', 't', 3.10, '示例值·请替换为权威现行因子'),
+    ('外购电力', 'MWh', 0.55, '示例电网因子·以生态环境部现行发布为准'),
+    ('外购蒸汽', 'GJ', 0.11, '示例值·请替换为权威现行因子'),
+], columns=['能源类型', '单位', '因子tCO2e', '来源'])
+
+
+def carbon_inventory(activity, factors=None, revenue_wan=None, output_units=None):
+    """activity: DataFrame[设施, 范围, 能源类型, 活动量]；factors: DataFrame[能源类型,单位,因子tCO2e,来源]。
+    返回 (明细清单, 分范围汇总)；给营收/产量则算强度。"""
+    f = factors if factors is not None else DEMO_FACTORS
+    m = activity.merge(f, on='能源类型', how='left', validate='m:1')
+    missing = m[m['因子tCO2e'].isna()]['能源类型'].unique().tolist()
+    if missing:
+        raise ValueError(f'缺排放因子：{missing}（补充因子表并注明来源年份）')
+    m['排放tCO2e'] = (m['活动量'] * m['因子tCO2e']).round(2)
+    by_scope = m.groupby('范围', observed=True)['排放tCO2e'].sum().round(2)
+    total = float(by_scope.sum())
+    print('[碳清单] 分范围汇总（tCO2e）：')
+    for k, v in by_scope.items():
+        print(f'  {k}: {v:,.2f}（{v / total:.1%}）')
+    print(f'  合计: {total:,.2f}')
+    if factors is None:
+        print('  ⚠ 使用演示因子：正式盘查须替换为权威现行因子并标注来源年份')
+    out = {'detail': m, 'by_scope': by_scope, 'total': total}
+    if revenue_wan:
+        out['intensity_revenue'] = round(total / revenue_wan, 4)
+        print(f'  强度：{out["intensity_revenue"]} tCO2e/万元营收')
+    if output_units:
+        out['intensity_output'] = round(total / output_units, 4)
+        print(f'  强度：{out["intensity_output"]} tCO2e/单位产品')
+    return out
+
+
+if __name__ == '__main__':
+    act = pd.DataFrame([
+        ('总部锅炉', '范围1', '天然气', 12.0),
+        ('自有车队', '范围1', '柴油', 30.0),
+        ('总部用电', '范围2', '外购电力', 2400.0),
+        ('园区蒸汽', '范围2', '外购蒸汽', 500.0),
+    ], columns=['设施', '范围', '能源类型', '活动量'])
+    r = carbon_inventory(act, revenue_wan=50000)
+    assert abs(r['by_scope']['范围1'] - (12 * 21.62 + 30 * 3.10)) < 0.01
+    assert abs(r['by_scope']['范围2'] - (2400 * 0.55 + 500 * 0.11)) < 0.01
+    assert r['intensity_revenue'] > 0
+    try:
+        carbon_inventory(pd.DataFrame([('x', '范围1', '氢气', 1.0)],
+                                      columns=['设施', '范围', '能源类型', '活动量']))
+        raise AssertionError('缺因子应报错')
+    except ValueError as e:
+        assert '氢气' in str(e)
+    print('OK carbon_calc.py')

package/skills/event-management/SKILL.md

@@ -0,0 +1,51 @@
+---
+name: event-management
+description: 会务与活动管理（发布会/年会/展会/客户大会/培训班的策划案、预算、执行手册、应急预案、复盘）。当用户说"办活动/发布会/年会/展会/活动方案/执行手册"时使用。
+version: 1.0.0
+---
+
+# 会务活动（策划一张图、执行一本册、现场一张表）
+
+## 策划案（立项用）
+
+活动目标（**可衡量**:签约额/线索数/媒体报道数/NPS,"提升品牌影响力"要落到代理指标）→
+目标人群与规模 → 核心创意与议程骨架 → 预算总盘（见下）→ 时间倒排里程碑 →
+成功标准与测量方式。审批人 30 秒能看懂的一页纸版本同步给出。
+
+## 预算编制（超支都藏在"杂项"里）
+
+科目全集：场地（含加时费）/搭建物料（含拆撤）/设备（音响灯光屏幕,**备机**列入）/嘉宾
+（差旅住宿出场费税费）/餐饮茶歇/人员（主持/礼仪/安保/摄影摄像）/宣传（设计/媒体/直播）/
+礼品伴手礼/保险/应急金（**总额 8–10%,不许挪用**）;
+每项给报价依据（供应商报价单编号）,付款节奏表（定金/中期/尾款与发票节点）;
+预算-实际双列跟踪,超 5% 科目要说明。
+
+## 执行手册（活动前 T-7 定稿）
+
+- **总控表**：倒计时任务清单（T-30 起,任务/负责人/期限/状态,cpm.py 排关键路径:
+  场地合同→设计→制作→进场 是典型关键链）;
+- **分钟级流程表**（Run Sheet）：时间/环节/台上/台下/物料/音视频指令/负责人——彩排按此走一遍,
+  **彩排暴露的问题当场改表**;
+- 人员岗位卡：每人一张（岗位/时段/位置/职责/上级/对讲频道）;
+- 物料清单：品名/数量/规格/到场时间/验收人（**到场即验收**,开场前 2 小时发现物料错=灾难）;
+- 签到与动线：签到分流方案（高峰期每通道每分钟 ≈3 人估算通道数）、席位图、引导点位。
+
+## 应急预案（活动版,场景到动作）
+
+设备故障（备机切换责任人与秒级流程）/ 嘉宾迟到缺席（垫场方案+议程压缩版）/ 人数超预期或过少
+（加座方案/撤椅方案——空场比爆场更伤,座位数=预估×0.85）/ 天气（户外活动的室内备选场地合同条款）/
+医疗与安全（急救点/最近医院路线/保险单）/ 舆情（现场负面事件按 pr-comms 危机口径,
+指定唯一对外发言人）。每案:触发信号/第一响应人/动作/回报线。
+
+## 复盘（活动后 72 小时内）
+
+目标达成（报名-签到-转化漏斗:签到率行业参考 60–80%,低了查提醒节奏）/ 预算执行（超支科目归因）/
+流程复盘（Run Sheet 偏差点）/ 供应商评价（入库,下次比价用）/ 参会反馈（NPS+开放题归类）/
+线索移交（**销售跟进 SLA:72 小时内首触**,不移交的活动=白办）。
+
+## 验收自查
+
+- [ ] 目标可衡量;预算含应急金与付款节奏
+- [ ] Run Sheet 到分钟且彩排验证过
+- [ ] 预案每案有触发信号与第一响应人
+- [ ] 复盘含线索移交与供应商评价入库

package/skills/excel-analysis-chain/SKILL.md

@@ -0,0 +1,73 @@
+---
+name: excel-analysis-chain
+description: Excel 与数据分析技能链总控（接入→清洗→透视→统计→建模→优化→可视化全链、19 项数据能力路由、原始数据到洞察/自动化报表流/精细化运营三条端到端工作流）。当数据诉求跨环节（"从一堆表做出经营看板""这份数据能挖出什么"）或不确定用哪个技能时先载入。
+version: 1.0.0
+---
+
+# Excel 与数据分析技能链总控
+
+把 Excel 分析师的全部工作台搬到可复算、无行数上限、可自动化的 Python 地基上——
+**会 Excel 的用户按"我在 Excel 里想干嘛"找对应能力即可,不必懂代码**。
+
+## 19 项数据能力 → 技能路由表
+
+| # | 能力（Excel 里叫什么） | 技能 |
+|---|---|---|
+| 1 | 数据清洗与规范化 | **data-wrangling** |
+| 2 | 多表关联与匹配（VLOOKUP/INDEX-MATCH） | **data-wrangling** |
+| 3 | 维度透视与交叉分析（数据透视表） | **pivot-crosstab** |
+| 4 | 趋势与对比分析（环比同比） | pivot-crosstab + data-analysis |
+| 5 | 用户与产品精细化运营（分类分层 RFM） | marketing-analytics + **funnel-cohort** |
+| 6 | 专业统计分析与假设检验 | **statistical-testing** |
+| 7 | 漏斗分析与转化追踪（过程流向） | **funnel-cohort** |
+| 8 | 文本挖掘与舆情轻量分析 | pr-comms(舆情) + customer-service(VOC) + run_python(jieba) |
+| 9 | 基础回归预测（因果关系） | **regression-forecast** |
+| 10 | 时间进度与项目管理（矩阵） | project-management + **optimization-solver**(排程) |
+| 11 | 地理空间与区域业绩（地图） | data-analysis(分区图) + pivot-crosstab(区域透视) |
+| 12 | 异常审计与风控（数据侦探） | **anomaly-detection** + audit-chain |
+| 13 | 综合财务与经营看板（Dashboard） | metrics-system + finance-chain + slides-html(html 看板) |
+| 14 | 自动化网络爬虫与数据抓取 | **web-scraping** |
+| 15 | 非线性与复杂运筹优化 | **optimization-solver** |
+| 16 | 假设分析与决策模拟（规划求解 What-if） | **optimization-solver** + financial-modeling(情景) |
+| 17 | 自动化报表与数据流动 | office-automation + xlsx-analysis |
+| 18 | 大型复杂报表（百万行/勾稽对账） | **data-report-pro** |
+| 19 | 真正融合 Python 的高阶数据科学 | 上述脚本组合 + packages 装 sklearn/statsmodels 按需 |
+
+## 端到端工作流
+
+### ① 原始数据到洞察链（一次性深挖）
+接入（web-scraping 抓 / 附件直通 / 数据库导出）→ **清洗**（data-wrangling:类型/去重/规范,
+留痕）→ **关联**（safe_join 体检+模糊匹配对表）→ 探索（data-report-pro 摸结构 +
+pivot-crosstab 多维透视）→ 检验（statistical-testing:差异真假 + anomaly-detection 找异常）→
+建模（regression-forecast 找驱动/预测,或 optimization-solver 找最优）→ 结论
+（结论卡+图 data-analysis）→ 交付（docx/pptx,数字同源可溯）。
+
+### ② 自动化报表流链（周期常态）
+数据源约定（落库目录/接口）→ 清洗管道（data-wrangling 固化）→ 指标计算
+（pivot-crosstab + metrics-system 驱动树）→ 报表生成（xlsx-analysis 样式回写 + 图）→
+**Dashboard**（html 交互看板:内置浏览器可看,或经营仪表盘 slides-html）→
+分发（office-automation 例程:定时出报表+异常预警+OS 通知）——**一次搭建,长期自动跑**。
+
+### ③ 精细化运营分析链（用户/产品运营）
+用户数据整备 → 分层（marketing-analytics RFM 八客群）→ 转化诊断（funnel-cohort:
+漏斗断点+留存矩阵找高留存共性）→ 假设检验（statistical-testing:某策略是否真有效,
+或 ab-testing 跑实验）→ 策略与预测（regression-forecast 预测 LTV/流失）→
+动作落地（分层×动作表）→ 效果回看（指标闭环,metrics-system）。
+
+## Excel 用户迁移指引（降低上手门槛）
+
+| Excel 操作 | 这里怎么说 |
+|---|---|
+| 数据透视表拖字段 | pivot-crosstab（说 index/columns/values） |
+| VLOOKUP/XLOOKUP | data-wrangling 的 safe_join |
+| 规划求解 Solver | optimization-solver |
+| 数据分析工具库(t检验/回归) | statistical-testing / regression-forecast |
+| Power Query 清洗 | data-wrangling 清洗管道 |
+| 图表 | data-analysis（中文字体规范） |
+一句话描述你在 Excel 里想做什么,系统自动路由到对应能力——**不需要学新软件**。
+
+## 使用纪律
+
+链上数据同源、可复算（中间表落盘、口径进 data-governance 字典）;
+统计与预测结论附前提与局限（各技能红线继承:相关≠因果、样本外验证、异常是线索非定论）;
+清洗与关联全程留痕;大数据量用 dtype 压缩与分块（data-report-pro）。

package/skills/file-ingest/SKILL.md

@@ -0,0 +1,51 @@
+---
+name: file-ingest
+description: 读取/提取任意办公文件的文本与结构（Excel/CSV/PDF/Word/PPT/OFD 电子发票/RTF/HTML/图片/ZIP…），本地全类型分发、优雅降级。当用户给出任意文件或附件要"读一下/提取内容/看看里面是什么/这是什么文件/处理这个文件"、遇到不确定类型或非常规格式（.ofd/.doc/伪装扩展名/扫描件）时使用。
+version: 1.0.0
+---
+
+# 通用文件读取（read_any：一个入口吃下各种办公文件，本地零平台往返）
+
+**先摸清"这是什么、里面有什么"再动手**。`scripts/file_toolkit.py` 的 `read_any(path)` 按**文件内容**（而非
+扩展名，专治伪装）分发到合适的解析器，返回统一结构，且**绝不抛裸异常**——不支持/加密/损坏/扫描件都回可读原因。
+
+```python
+# read_skill_file(skill="file-ingest", path="scripts/file_toolkit.py") 取源码，连同下面调用交给 run_python：
+r = read_any('attachments/某文件')          # 任意路径、任意类型
+if r['ok']:
+    print(r['kind'], '|', r['meta'])         # 如 excel|5 个工作表 / pdf|12 页 / ofd|59 段文本
+    print(r['text'][:3000])                  # 提取到的正文/结构（已截断到 20 万字上限）
+else:
+    print('不能直接读：', r['reason'])         # 如"扫描件无文本层，需 OCR/视觉""旧版 .doc 请转档"
+```
+
+返回 `{kind, ok, text, meta, reason}`。**关键纪律：`ok=False` 不是失败要放弃，而是路由信号**——按 `reason` 换路子：
+- 图片（png/jpg）/扫描件 PDF/纯图形 OFD → 本地无 OCR，**改用视觉模型**（把图片作为多模态输入让模型直接看）。
+- 旧版 `.doc`（真 OLE2 二进制）→ 建议用户转 `.docx`，或用 `read_document`（平台解析，已支持 .doc）。
+- 加密/损坏（xlsx 缺 [Content_Types]、PDF 需密码、zip 坏）→ 如实告知用户重导出/给密码。
+
+## 覆盖与分发（内容签名优先，治扩展名错配）
+
+| 类型 | 处理 | 典型陷阱（已治） |
+|---|---|---|
+| Excel `.xlsx/.xlsm/.xls` | 按内容选 openpyxl/xlrd，列每个 Sheet 结构 | `.xls` 其实是 HTML 表格 / OLE2 加密 → 按内容识别、优雅报因 |
+| CSV/TSV | 多编码回退（utf-8/gbk/…） | 中文 GBK 编码 |
+| PDF | pypdf 逐页抽文本 | 扫描件无文本层 → 明确提示走视觉 |
+| Word `.docx` | 段落+表格 | —— |
+| Word 旧版 `.doc` | 内容若是 RTF/HTML 则正确改判；真 OLE2 给转档建议 | **`.doc` 常是伪装的 RTF** → 正确按 RTF 读出中文 |
+| PPT `.pptx` | 逐页幻灯片文本 | —— |
+| **OFD** | zip+XML 容器，抽 TextCode | 国产电子发票/公文，`read_document` 未必覆盖，这里本地直读 |
+| RTF | 轻量解析：跳字体/样式组，`\'XX` 按 GBK 解码，`\uN`/`\par` | 中文 RTF 十六进制转义、`.rtf` 其实是 OLE2 |
+| HTML/MHTML | `read_html` 抽结构化表，抽不到剥标签取文本 | 税务/银行导出的"Excel"实为 HTML 表 |
+| ZIP | 列条目（含内嵌 office 文件名） | 损坏/非 zip → 报因 |
+| 图片 png/jpg | 读尺寸元信息 + 路由视觉 | 本地无 OCR，不硬撑 |
+
+## 与其他能力的边界
+
+- **要做透视/对账/精确计算 Excel** → 载 `xlsx-analysis`（`xlsx_toolkit.py`：smart_read/reconcile 更专业）；read_any 只作"先看看结构"。
+- **要平台级富解析**（大 PDF 分段通读、扫描件 OCR）→ 用内置 `read_document` 工具（走平台，能力更强，但要网络往返）。
+- **本技能定位**：本地、免网络、全类型"先读进来"的统一入口；批量处理一堆杂类文件时尤其省事（一个循环 `read_any` 全搞定）。
+
+## 附件
+
+- `scripts/file_toolkit.py` — `read_any(path)` 及各类型处理器；`python file_toolkit.py` 跑自测，`python file_toolkit.py <文件>` 直接试读。