@huicai/cli 2026.714.0 → 2026.721.0

package/skills/long-doc-analysis/SKILL.md

@@ -0,0 +1,52 @@
+---
+name: long-doc-analysis
+description: 大型文档深度研读（数百页 PDF/多文档集）：通读、结构化笔记、精准引用、对照分析。当用户给出长合同/招股书/年报/标准/论文集并要求"通读/总结/找出/对比"时使用。
+version: 1.0.0
+---
+
+# 大型文档深度研读（read_document 分段通读 + 结构化笔记法）
+
+长文档任务的失败模式只有两种：**只看了开头就下结论**，和**看完了却说不清出处**。本技能用「分段通读 + 笔记落盘 + 页码引用」根治。
+
+## 工作流程（强制）
+
+1. **建档**：先 `read_document(path, offset=0)` 拿到「全文共 N 字符/页数」——据此规划轮次（每轮 ~16000 字符），
+   并在工作区建 `笔记-<文档名>.md`，写入文档元信息与轮次计划。
+2. **首轮扫结构**：第一段通常含目录/章节头。把**章节地图**（章节名 → 大致字符区间）写进笔记，后续可按区间跳读。
+3. **逐段通读**：循环 `read_document(offset=上一段末尾)` 直到「已到结尾」。**每读一段，立即向笔记追加**
+   （write_file append）：
+   ```
+   ## 区间 [start–end]（约第 X 章）
+   - 要点：…
+   - 关键数据/条款原文（短引）："……"（字符位置 ~NNNN）
+   - 与任务相关：是/否 + 原因
+   ```
+   读而不记 = 白读——上下文会被压缩，笔记文件才是可靠记忆。
+4. **定向回读**：分析阶段按章节地图/笔记定位，用 `offset` 精读关键区间，禁止凭印象引用。
+5. **产出**：结论必须带**出处标注**（章节 + 字符区间或页码）；正式交付用 docx-author 出报告，
+   引文与页码在附录列表。
+
+## 多文档对照（招股书 vs 年报、合同 vs 范本、多供应商标书）
+
+- 每份文档各建一份笔记；再建 `对照矩阵.md`：行=对照维度（由任务定，如「违约责任/付款条件/交付期」），
+  列=文档，格=结论+出处。矩阵写满才允许下对比结论。
+- 差异点逐条给「A 原文 / B 原文 / 差异含义」三段式。
+
+## 长任务作业法（数小时级任务）
+
+- 开工先 todo_write 列轮次计划（如「通读 1-8 段」「专题：担保条款」「成稿」），逐项打勾；
+- 每完成一个阶段，把阶段结论写进笔记的「阶段小结」——中途被打断/压缩后凭笔记无损续作；
+- 超过 50 页的文档**禁止**一次性总结，必须走本流程。
+
+## 边界与诚实
+
+- read_document 是平台解析的纯文本：**表格结构可能被打平**——遇到密集数字表，让用户提供 xlsx 原件
+  或注明「表格按文本解析，数字对位可能有误」。
+- 扫描件质量差时明确告知 OCR 局限，标注存疑段落。
+
+## 验收自查
+
+- [ ] 笔记文件覆盖了全文所有区间（无跳段）
+- [ ] 每个结论都能在笔记中找到出处（章节+位置）
+- [ ] 引用的原文是回读核对过的，不是记忆复述
+- [ ] 交付报告附「阅读范围与方法」说明（读了多少、怎么读的）

package/skills/management-accounting/SKILL.md

@@ -0,0 +1,57 @@
+---
+name: management-accounting
+description: 管理会计与经营分析（全面预算编制与预实差异、量价差分解、成本核算与制造费用分摊、BOM 成本、CVP 与定价支持）。当用户说"编预算/预算执行/差异分析/成本核算/分摊/BOM/定价/本量利"时使用。财务技能链之管会环。
+version: 1.0.0
+---
+
+# 管理会计与经营分析（财务技能链 · 管会环；全景见 finance-chain）
+
+管会的产出给经营者做决策用——每张表都要回答"所以该做什么",只报数不给含义=没做完。
+
+## 1. 全面预算管理
+
+- 编制流程：目标下达（自上而下,衔接 strategy-planning 年度计划）→ 部门编制（自下而上,
+  给模板与假设包:量价/人力/费用标准）→ **两上两下**校平 → 审批锁定（版本管理,调整走流程）;
+  预算日历（9 月启动/12 月定稿类节奏表）;
+- **预实差异**（`read_skill_file` 读 `scripts/costing.py`）：`budget_variance()` 差异额/率 +
+  超阈值标注;收入成本类再做 `volume_price_variance()` **量价差分解**
+  （量差=(实际量−预算量)×预算价,价差=实际量×(实际价−预算价),两差之和≡总差,恒等校验内置）——
+  "收入差 -8%"没有信息量,"量贡献 -12%、价贡献 +4%"才能指到动作;
+- 差异说明规范：超阈值（如 ±5%）必须归因到**业务动作**（丢了哪个客户/哪条线停产）,
+  "市场不好"不是归因;滚动预测（Rolling Forecast）按季重估全年,预算是承诺、预测是导航,两者分开。
+
+## 2. 经营业绩分析
+
+- 多维盈利：产品线×渠道×客户的毛利表（数据加工走 data-report-pro,口径进 data-governance 字典）;
+  **边际贡献口径**（收入−变动成本）用于短期决策,完全成本口径用于定价与考核,别混;
+- 费用管控：费用率趋势+预算外支出审批台账;ROI 类测算（市场费 ROI 联动 marketing-analytics）;
+- 经营分析报告（月度）：结论卡（3 件事）→ 预实与量价差 → 分线毛利 → 费用 → 现金
+  （treasury 头寸衔接）→ 行动建议与跟踪（上月建议的落实情况置顶——**管会报告的信用来自闭环**）。
+
+## 3. 成本控制与定价支持
+
+- 成本核算方法选择：品种法/分批法/分步法（按生产组织形式,写明选择依据）;
+- **制造费用分摊**：`allocate_overhead()` 按机时/人工工时/产量分摊（分摊基础的选择要与
+  费用动因匹配——设备密集用机时,人工密集用工时）,输出分摊率与单位成本;多动因可做简化 ABC
+  （作业成本:先分作业池再按各自动因,提示复杂度权衡）;
+- **BOM 成本**：`bom_cost()` 物料×用量×单价×(1+损耗率) 逐层汇总 + 采购价联动
+  （procurement-supply 比价口径）;标准成本 vs 实际成本差异（材料价差/用量差,同量价差框架）;
+- 定价支持：`cvp()` 本量利（保本量/保本额/安全边际/目标利润所需量）+ 成本加成 vs
+  竞争对标 vs 价值定价的适用场景表;新品定价给**三档价格的完整损益模拟**（financial-modeling 衔接）,
+  不给单点建议。
+
+## 4. 投资与专项测算
+
+设备投资/自动化改造的增量现金流测算（只算增量,分摊的沉没成本剔除）→ property_calc.irr;
+自制 vs 外购决策（相关成本框架:变动成本+专属固定成本+机会成本）。
+
+## 验收自查
+
+- [ ] 差异超阈值均归因到业务动作;量价差恒等校验过
+- [ ] 边际贡献与完全成本口径分用,报告有上期建议闭环
+- [ ] 分摊基础与费用动因匹配并写明依据
+- [ ] 定价给三档损益模拟而非单点
+
+## 附件
+
+- `scripts/costing.py` — budget_variance / volume_price_variance(恒等校验) / allocate_overhead / bom_cost / cvp;可直接执行自测

package/skills/management-accounting/scripts/costing.py

@@ -0,0 +1,90 @@
+# 管会计算件（经 run_python 执行）：预实差异 / 量价差分解（恒等校验）/ 制造费用分摊 / BOM 成本 / 本量利。
+# 直接执行本文件 = 自测。
+import pandas as pd
+
+
+def budget_variance(df, item_col='项目', budget_col='预算', actual_col='实际', threshold=0.05):
+    """预实差异表：差异额/率 + 超阈值标注（favorable 方向由调用方按科目性质解读）。"""
+    d = df.copy()
+    d['差异额'] = (d[actual_col] - d[budget_col]).round(2)
+    d['差异率'] = (d['差异额'] / d[budget_col].replace(0, pd.NA)).astype(float).round(4)
+    d['超阈值'] = d['差异率'].abs() > threshold
+    print(f'[预实] 超阈值(±{threshold:.0%}) {int(d["超阈值"].sum())} 项——逐项归因到业务动作')
+    print(d.to_markdown(index=False))
+    return d
+
+
+def volume_price_variance(q_budget, p_budget, q_actual, p_actual):
+    """量价差：量差=(Qa−Qb)×Pb；价差=Qa×(Pa−Pb)；两差之和≡总差（恒等校验）。"""
+    total = q_actual * p_actual - q_budget * p_budget
+    vol = (q_actual - q_budget) * p_budget
+    price = q_actual * (p_actual - p_budget)
+    assert abs(vol + price - total) < 1e-6, '量价差恒等校验失败'
+    print(f'[量价差] 总差 {total:+,.2f} = 量差 {vol:+,.2f} + 价差 {price:+,.2f}'
+          f'（量贡献 {vol / total:.0%}，价贡献 {price / total:.0%}）' if total else
+          f'[量价差] 总差 0（量差 {vol:+,.2f} 与价差 {price:+,.2f} 抵消）')
+    return {'total': round(total, 2), 'volume': round(vol, 2), 'price': round(price, 2)}
+
+
+def allocate_overhead(overhead_total, basis, product_col='产品', basis_col='机时'):
+    """制造费用分摊：分摊率=费用总额/动因总量；单产品分摊=率×动因量。"""
+    rate = overhead_total / basis[basis_col].sum()
+    d = basis.copy()
+    d['分摊率'] = round(rate, 4)
+    d['分摊费用'] = (d[basis_col] * rate).round(2)
+    assert abs(d['分摊费用'].sum() - overhead_total) < 0.01 * len(d), '分摊总额守恒失败'
+    print(f'[分摊] 费用 {overhead_total:,.0f} ÷ {basis_col}总量 {basis[basis_col].sum():,.0f} = 率 {rate:,.4f}')
+    print(d.to_markdown(index=False))
+    return d
+
+
+def bom_cost(bom, qty_col='用量', price_col='单价', scrap_col='损耗率'):
+    """单层 BOM 成本：Σ 用量×单价×(1+损耗率)。返回 (明细, 单位成本)。"""
+    d = bom.copy()
+    if scrap_col not in d:
+        d[scrap_col] = 0.0
+    d['成本'] = (d[qty_col] * d[price_col] * (1 + d[scrap_col])).round(4)
+    unit = float(d['成本'].sum())
+    print(f'[BOM] 单位成本 {unit:,.2f}（{len(d)} 项物料，损耗已含）')
+    print(d.to_markdown(index=False))
+    return d, round(unit, 2)
+
+
+def cvp(fixed_cost, price, var_cost, target_profit=0.0, cur_qty=None):
+    """本量利：保本量/保本额/目标利润所需量/安全边际（给 cur_qty 时）。"""
+    cm = price - var_cost
+    # 单位边际贡献≤0：卖一件亏一件、无保本点。用 ValueError 明确报错（而非 assert——assert 在 python -O 下会被
+    # 跳过、且不是输入校验的规范手段），调用方可捕获并向用户解释。
+    if cm <= 0:
+        raise ValueError(f'单位边际贡献 {cm:.2f}≤0：该产品卖一件亏一件、无保本点，请先提价或降本')
+    be_q = fixed_cost / cm
+    tp_q = (fixed_cost + target_profit) / cm
+    out = {'单位边际贡献': round(cm, 2), '保本量': round(be_q, 1), '保本额': round(be_q * price, 2),
+           '目标利润所需量': round(tp_q, 1)}
+    msg = f"[CVP] 边际贡献 {cm:,.2f}/件 · 保本 {be_q:,.0f} 件（{be_q * price:,.0f} 元）"
+    if cur_qty:
+        margin = (cur_qty - be_q) / cur_qty
+        out['安全边际率'] = round(margin, 4)
+        msg += f' · 安全边际 {margin:.1%}'
+    print(msg)
+    return out
+
+
+if __name__ == '__main__':
+    bv = budget_variance(pd.DataFrame({'项目': ['收入', '销售费用'], '预算': [1000, 150], '实际': [900, 170]}))
+    assert bool(bv.loc[0, '超阈值']) and bool(bv.loc[1, '超阈值'])
+    r = volume_price_variance(q_budget=1000, p_budget=1.0, q_actual=880, p_actual=1.05)
+    assert r['total'] == r['volume'] + r['price'] == -76.0
+    al = allocate_overhead(120000, pd.DataFrame({'产品': ['A', 'B'], '机时': [600, 400]}))
+    assert al.loc[0, '分摊费用'] == 72000
+    _, unit = bom_cost(pd.DataFrame({'物料': ['钢材', '电机'], '用量': [2, 1],
+                                     '单价': [50, 300], '损耗率': [0.02, 0.0]}))
+    assert abs(unit - (2 * 50 * 1.02 + 300)) < 0.01
+    c = cvp(fixed_cost=180000, price=50, var_cost=30, cur_qty=12000)
+    assert c['保本量'] == 9000 and c['安全边际率'] == 0.25
+    try:
+        cvp(1000, 10, 12)
+        raise SystemExit('负边际贡献应报错')
+    except ValueError:
+        pass
+    print('OK costing.py')

package/skills/manufacturing-chain/SKILL.md

@@ -0,0 +1,57 @@
+---
+name: manufacturing-chain
+description: 制造技能链总控（计划→物料→生产→质量→设备→安全→交付全链路由、订单到交付/新品导入 NPI/持续改善三条端到端工作流、工厂自动化例程）。当制造诉求跨环节（"这张订单能不能接并交出去""新品从图纸到量产"）或不确定用哪个技能时先载入。
+version: 1.0.0
+---
+
+# 制造技能链总控
+
+## 场景路由表
+
+| 制造环节 | 高频场景 | 技能 |
+|---|---|---|
+| 计划排程 | 交期评审/MPS/MRP/产能负荷/插单 | **production-planning** |
+| 物料采购 | 比价/供应商评分/呆滞 | procurement-supply（+supply-chain S2P 链） |
+| 仓储物流 | 库存准确率/运费对账/时效 | logistics-warehouse |
+| 质量 | SPC/CPK/8D/FMEA/检验报表 | **manufacturing-quality** |
+| 设备 | OEE/点检保养/MTBF/备件 | **equipment-tpm** |
+| 安全环保 | JSA/隐患闭环/许可票/事故 | **ehs-safety** |
+| 成本 | BOM 成本/分摊/标准成本差异 | management-accounting |
+| 人员 | 排班工时/技能矩阵/绩效 | hr-operations + okr-review |
+
+## 端到端工作流
+
+### ① 订单到交付链（接单常态）
+订单评审（**production-planning**:产能+物料双核出 CTP 承诺交期）→ MRP 净需求 → 采购执行
+（supply-chain S2P:下单跟催+IQC 来料）→ 排产与执行（日计划-报工-达成率,缺料预警早于停线）→
+过程质量（manufacturing-quality:SPC 判稳+直通率,异常按人机料法环分层）→ 设备保障
+（equipment-tpm:点检+OEE 日清）→ 出货 OQC → 发运（logistics:计费重预核）→
+交付后（PPM 客诉承接 8D）→ 月度经营（达成率/直通率/OEE/PPM 四表进厂长月报,
+量价差成本分析 management-accounting）。
+
+### ② 新品导入 NPI 链（按项目）
+设计输入（product-design PRD/图纸评审:可制造性 DFM 意见前置——**量产后改图十倍贵**）→
+BOM 与成本（management-accounting bom_cost+目标成本）→ 工艺与治具（作业指导书 SOP:
+knowledge-sop 可执行标准）→ 试产（首件检验 FAI + **SPC 初始过程能力**（CPK≥1.33 放行口径）+
+FMEA 更新）→ 小批量爬坡（直通率爬坡曲线 vs 目标）→ 量产放行评审（checklist:
+文件/治具/人员资质/备件/安全 JSA 齐套）→ 移交量产（遗留问题清单限期关闭）。
+
+### ③ 持续改善链（月度）
+数据面（OEE 六大损失瀑布 + 直通率帕累托 + 隐患重复率 三张表定选题）→ 立项
+（**一个损失一个专项**,改善目标量化:换型 45→25 分钟）→ 工具箱（8D/SMED 快速换型/
+防错 Poka-yoke/5Why——按题选,不堆工具）→ 验证（改善前后数据对比,样本量足）→
+标准化（**改善不落 SOP=白改**,knowledge-sop 回写+培训 education-training）→
+横展（同类工位/产线复制清单）。
+
+## 自动化例程配方
+
+- 生产日报：达成率/直通率/OEE/安全事件四合一,异常标红附初步归因;
+- 缺料预警：MRP 下单周已过项即时提醒采购与计划;
+- 点检漏检日提醒;许可票超时/证件到期台账周检;
+- 月度改善看板：各专项目标 vs 实际进度通晒。
+
+## 使用纪律
+
+数据同源：OEE 的稼动率喂产能负荷、IQC 结果喂供应商评分、质量数据喂 FMEA——
+**台账互喂是制造链的筋络**;安全一票否决（任何工作流遇 ehs 红线即停）;
+口径写死（直通率=工序合格率连乘,不用终检合格率糊弄）。

package/skills/manufacturing-quality/SKILL.md

@@ -0,0 +1,57 @@
+---
+name: manufacturing-quality
+description: 制造质量管理（SPC 控制图与过程能力 CPK、8D 报告、FMEA、QC 七工具、来料/制程/出货检验报表）。当用户说"质量分析/控制图/CPK/8D/客诉品质问题/FMEA/不良率"时使用。
+version: 1.0.0
+---
+
+# 制造质量（数据判稳 → 能力评估 → 问题闭环）
+
+## SPC 与过程能力（`read_skill_file` 读 `scripts/spc.py`）
+
+- `xbar_r_chart()`：X̄-R 控制图（子组均值/极差,A2/D3/D4 系数法控制限）——**先判稳再谈能力**:
+  越限点/连续 7 点同侧/趋势 7 点升降 三类失控信号自动标记,失控先查原因（人机料法环测）,
+  剔除有据可查的特殊原因点后重算;
+- `cpk()`：过程能力 Cp/Cpk（需规格限 USL/LSL）——Cpk≥1.33 视为充分（行业阈值可调）,
+  Cp 高 Cpk 低=偏心,给居中建议;**数据不服从近似正态时如实提示**（直方图先看,双峰=混料/双机台,
+  先分层再算）;
+- 图表落盘（data-analysis 字体规范）,控制限与样本参数写入图注（可复算）。
+
+## 8D 报告（客诉/重大不良的标准闭环）
+
+D1 组队 → D2 问题描述（**5W2H+不良率数据+现象照片位标注**,"偶发异响"不合格,
+"X 工位 3 月批次异响率 2.3%,频率 2kHz"合格）→ D3 围堵（库存/在途/客户端三处清查数量与处置）→
+D4 根因（**5Why 到可验证的机理** + 鱼骨图分层;"员工疏忽"不是根因,继续问为什么疏忽可能发生）→
+D5 纠正措施（针对根因,不是"加强培训"三件套）→ D6 效果验证（**用数据**:实施前后不良率对比,
+样本量足够）→ D7 预防扩展（横展到同类产品/工位,更新 FMEA 与作业指导书）→ D8 关闭确认。
+每个 D 有证据要求,缺证据的 D 标"待补"不许糊弄。
+
+## FMEA（失效模式分析）
+
+结构：工序/功能 → 失效模式 → 影响(S 严重度) → 原因(O 频度) → 现有控制(D 探测度) →
+RPN=S×O×D 或 AP 行动优先级 → 措施与责任人;
+打分标准表先与团队对齐（1–10 各档定义写死,否则打分没有可比性）;
+高 RPN/高 S（≥8 的严重度不论 RPN 都要措施）优先;措施落地后重评分闭环。
+
+## QC 七工具速用
+
+帕累托（抓主要不良,data-analysis 出图）/ 鱼骨（分层:人机料法环测）/ 直方图（看分布形态）/
+控制图（spc.py）/ 散点（参数相关性）/ 检查表（数据采集模板）/ 分层法（**一切分析先分层**:
+机台/班次/批次/供应商——混在一起的数据会说谎）。
+
+## 质量报表体系
+
+来料 IQC（批合格率/供应商不良 TOP,联动 procurement-supply 评分卡）/
+制程 IPQC（直通率 FTY=各工序合格率连乘,别只看终检;工序不良帕累托）/
+出货 OQC 与客诉（PPM 口径,客诉响应时效）——月报结构:指标卡 → 趋势 → TOP 问题深潜(8D 索引) → 措施看板。
+
+## 验收自查
+
+- [ ] 控制图先判稳,失控点处理有记录
+- [ ] CPK 前验了正态性/做了分层
+- [ ] 8D 每步有证据,根因到机理层
+- [ ] FMEA 打分标准先对齐;高 S 项均有措施
+- [ ] 报表用直通率/PPM 等严口径
+
+## 附件
+
+- `scripts/spc.py` — X̄-R 控制图(判稳三规则)+ Cp/Cpk + 正态性提示;可直接执行自测

package/skills/manufacturing-quality/scripts/spc.py

@@ -0,0 +1,86 @@
+# SPC 计算件（经 run_python 执行）：X̄-R 控制图（系数法控制限 + 三类失控信号）与过程能力 Cp/Cpk。
+# 直接执行本文件 = 自测（含一组刻意失控数据的信号断言）。
+import numpy as np
+import pandas as pd
+
+# X̄-R 图系数（子组 n=2..10）：A2, D3, D4
+COEF = {2: (1.880, 0, 3.267), 3: (1.023, 0, 2.574), 4: (0.729, 0, 2.282), 5: (0.577, 0, 2.114),
+        6: (0.483, 0, 2.004), 7: (0.419, 0.076, 1.924), 8: (0.373, 0.136, 1.864),
+        9: (0.337, 0.184, 1.816), 10: (0.308, 0.223, 1.777)}
+
+
+def xbar_r_chart(data, out_png=None):
+    """data: 2D 数组/列表（每行一个子组）。返回 (子组表, 参数, 信号列表)。"""
+    arr = np.asarray(data, dtype=float)
+    n = arr.shape[1]
+    assert n in COEF, f'子组大小 {n} 超出系数表（2–10）'
+    a2, d3, d4 = COEF[n]
+    xbar, rng = arr.mean(axis=1), arr.max(axis=1) - arr.min(axis=1)
+    xbb, rbar = xbar.mean(), rng.mean()
+    limits = {'X_CL': xbb, 'X_UCL': xbb + a2 * rbar, 'X_LCL': xbb - a2 * rbar,
+              'R_CL': rbar, 'R_UCL': d4 * rbar, 'R_LCL': d3 * rbar, 'n': n}
+    signals = []
+    for i, v in enumerate(xbar):
+        if v > limits['X_UCL'] or v < limits['X_LCL']:
+            signals.append((i + 1, '越限', round(v, 3)))
+    side = np.sign(xbar - xbb)
+    run = 1
+    for i in range(1, len(side)):
+        run = run + 1 if side[i] == side[i - 1] and side[i] != 0 else 1
+        if run == 7:
+            signals.append((i + 1, '连续7点同侧', round(xbar[i], 3)))
+    diff = np.sign(np.diff(xbar))
+    run = 1
+    for i in range(1, len(diff)):
+        run = run + 1 if diff[i] == diff[i - 1] and diff[i] != 0 else 1
+        if run == 6:  # 7 点连续升/降 = 6 段同向
+            signals.append((i + 2, '7点趋势', round(xbar[i + 1], 3)))
+    tab = pd.DataFrame({'子组': np.arange(1, len(xbar) + 1), 'X̄': xbar.round(3), 'R': rng.round(3)})
+    print(f"[SPC] X̄ CL={xbb:.3f} UCL={limits['X_UCL']:.3f} LCL={limits['X_LCL']:.3f} | "
+          f"R CL={rbar:.3f} UCL={limits['R_UCL']:.3f}")
+    print('[SPC] 失控信号：' + ('；'.join(f'子组{i} {t}({v})' for i, t, v in signals) if signals else '无（判稳通过）'))
+    if out_png:
+        import matplotlib.pyplot as plt
+        fig, axes = plt.subplots(2, 1, figsize=(9, 6), sharex=True)
+        axes[0].plot(tab['子组'], tab['X̄'], marker='o')
+        for k in ('X_CL', 'X_UCL', 'X_LCL'):
+            axes[0].axhline(limits[k], ls='--' if k != 'X_CL' else '-', lw=1)
+        axes[0].set_title(f'X̄ 图（n={n}, A2={a2}）')
+        axes[1].plot(tab['子组'], tab['R'], marker='o')
+        for k in ('R_CL', 'R_UCL'):
+            axes[1].axhline(limits[k], ls='--' if k != 'R_CL' else '-', lw=1)
+        axes[1].set_title('R 图')
+        fig.tight_layout()
+        fig.savefig(out_png, dpi=130)
+        print(f'[SPC] 图已落盘 {out_png}')
+    return tab, limits, signals
+
+
+def cpk(values, usl, lsl):
+    """过程能力：Cp=(USL-LSL)/6σ；Cpk=min[(USL-μ),(μ-LSL)]/3σ。附正态性粗检提示。"""
+    v = np.asarray(values, dtype=float)
+    mu, sd = v.mean(), v.std(ddof=1)
+    cp = (usl - lsl) / (6 * sd)
+    cpk_v = min(usl - mu, mu - lsl) / (3 * sd)
+    skew = float(pd.Series(v).skew())
+    note = ' ⚠ 偏度较大，先看直方图/分层再采信' if abs(skew) > 1 else ''
+    verdict = '充分(≥1.33)' if cpk_v >= 1.33 else ('尚可(1.0–1.33)' if cpk_v >= 1.0 else '不足(<1.0)')
+    print(f'[CPK] μ={mu:.3f} σ={sd:.3f} | Cp={cp:.2f} Cpk={cpk_v:.2f} → {verdict}'
+          + ('；Cp 明显高于 Cpk：过程偏心，先居中' if cp - cpk_v > 0.33 else '') + note)
+    return {'cp': round(cp, 2), 'cpk': round(cpk_v, 2), 'mu': round(mu, 3), 'sigma': round(sd, 3)}
+
+
+if __name__ == '__main__':
+    rng = np.random.default_rng(5)
+    stable = rng.normal(10.0, 0.05, (20, 5))
+    _, lim, sig = xbar_r_chart(stable)
+    assert not any(t == '越限' for _, t, _ in sig)
+    bad = stable.copy()
+    bad[12] += 0.4  # 制造一个越限点
+    _, _, sig2 = xbar_r_chart(bad, out_png='spc_check.png')
+    assert any(i == 13 and t == '越限' for i, t, _ in sig2)
+    r = cpk(rng.normal(10.0, 0.05, 200), usl=10.2, lsl=9.8)
+    assert r['cpk'] > 1.0
+    r2 = cpk(rng.normal(10.15, 0.05, 200), usl=10.2, lsl=9.8)  # 偏心
+    assert r2['cpk'] < r2['cp']
+    print('OK spc.py')

package/skills/marketing-analytics/SKILL.md

@@ -0,0 +1,59 @@
+---
+name: marketing-analytics
+description: 市场营销分析（用户分群 RFM、转化漏斗、投放 ROI、竞品分析、活动复盘、营销方案）。当用户说"用户分析/漏斗/投放效果/复盘/竞品/营销方案/GMV 分析"时使用。
+version: 1.0.0
+---
+
+# 市场营销分析（框架 + 可复算分群/漏斗 + 复盘范式）
+
+## 任务分派
+
+| 诉求 | 路径 |
+|---|---|
+| 用户价值分层运营 | RFM 分群（scripts/rfm.py）→ 分层策略表 |
+| 转化诊断 | 漏斗分析（各级转化率+断点定位+对比基线） |
+| 投放效果 | ROI/ROAS/CAC 口径先统一 → 渠道×素材矩阵 → 边际递减检查 |
+| 竞品 | 竞品矩阵（维度打分+证据）→ 定位图 |
+| 活动复盘 | 五段式复盘（见下） |
+| 方案撰写 | STP→4P 结构,目标必须 SMART 且给测算依据 |
+
+## 关键口径（先对齐再计算，口径错=全错）
+
+- GMV vs 营收 vs 回款;下单 vs 支付;新客定义（首单口径/注册口径）;
+- CAC=获客成本/**新客数**（拉活混进来会假优秀）;LTV 给计算窗口（90天/1年）;
+- ROI=(GMV−成本)/成本 与 ROAS=GMV/成本 别混用;归因模型注明（末次点击/线性/位置）。
+
+## RFM 分群（`read_skill_file` 读 `scripts/rfm.py`）
+
+`rfm(df, user_col, date_col, amount_col)` → 五分位打分 → 八类客群
+（重要价值/重要保持/重要发展/重要挽留/一般价值/一般保持/一般发展/流失）,
+输出各群人数/GMV 占比 + 分层策略表模板。**分位边界与样本量一并输出**（可复算,防"重要客户"口径漂移）。
+
+## 漏斗分析范式
+
+1. 定义各级事件与去重口径（人数漏斗还是次数漏斗）;
+2. 逐级转化率 + 对比基线（上期/大盘/AB 对照组）——没有基线的漏斗只能描述不能诊断;
+3. 断点定位：跌幅最大层 → 分维度下钻（渠道/机型/新老客）找差异群体;
+4. 结论句式：「支付转化率 62%（上期 71%）,跌幅集中在 iOS 新客（-18pct）,与 X 改版时间吻合——建议…」。
+
+## 活动复盘五段式
+
+目标回顾（当初的数字目标）→ 达成对比（差多少,分解到子目标）→ 归因（做对了什么/什么没起作用,
+用对照期/对照组说话,**警惕把大盘增长记成活动功劳**）→ 成本效率（CAC/ROI vs 日常）→
+可复制结论（下次保留/放弃/加码清单）。
+
+## 竞品分析矩阵
+
+维度按业务定（价格/功能/渠道/内容/口碑）,每格=事实+来源（截图/官网/公开数据）,
+禁止无来源打分;产出定位图（价格×核心差异维度散点,data-analysis 出图）。
+
+## 验收自查
+
+- [ ] 所有口径在报告开头"口径说明"里列明
+- [ ] 每个诊断结论有对比基线与下钻证据
+- [ ] RFM 边界/样本量可复算;策略表落到动作（谁/做什么/预期指标）
+- [ ] 复盘区分了活动效应与大盘效应
+
+## 附件
+
+- `scripts/rfm.py` — RFM 五分位分群 + 八类客群 + 群像汇总表;可直接执行自测

package/skills/marketing-analytics/scripts/rfm.py

@@ -0,0 +1,60 @@
+# RFM 分群（经 run_python 执行）：交易明细 → R/F/M 五分位打分 → 八类客群 → 群像汇总。
+# 边界与样本量全部输出（可复算）。直接执行本文件 = 自测。
+import numpy as np
+import pandas as pd
+
+SEGMENTS = {  # (R高?, F高?, M高?) -> 客群名（高=分数≥4，其中 R 分高代表最近活跃）
+    (1, 1, 1): '重要价值', (1, 0, 1): '重要发展', (0, 1, 1): '重要保持', (0, 0, 1): '重要挽留',
+    (1, 1, 0): '一般价值', (1, 0, 0): '一般发展', (0, 1, 0): '一般保持', (0, 0, 0): '流失风险',
+}
+
+
+def _score(s, higher_is_better=True):
+    """五分位打分 1–5（重复值多时用 rank 兜底，保证可分箱）。"""
+    r = s.rank(pct=True, method='first')
+    score = np.ceil(r * 5).clip(1, 5).astype(int)
+    return score if higher_is_better else (6 - score)
+
+
+def rfm(df, user_col, date_col, amount_col, asof=None):
+    """返回 (用户级明细含分群, 群像汇总表)。asof 缺省=数据里最大日期+1天。"""
+    d = df[[user_col, date_col, amount_col]].copy()
+    d[date_col] = pd.to_datetime(d[date_col])
+    asof = pd.to_datetime(asof) if asof else d[date_col].max() + pd.Timedelta(days=1)
+    u = d.groupby(user_col).agg(
+        R_days=(date_col, lambda x: (asof - x.max()).days),
+        F_cnt=(user_col, 'size'),
+        M_amt=(amount_col, 'sum'),
+    ).reset_index()
+    u['R分'] = _score(u['R_days'], higher_is_better=False)  # 距今越短分越高
+    u['F分'] = _score(u['F_cnt'])
+    u['M分'] = _score(u['M_amt'])
+    u['客群'] = [SEGMENTS[(int(r >= 4), int(f >= 4), int(m >= 4))]
+                 for r, f, m in zip(u['R分'], u['F分'], u['M分'])]
+    seg = u.groupby('客群').agg(
+        人数=('客群', 'size'), GMV=('M_amt', 'sum'),
+        人均GMV=('M_amt', 'mean'), 平均距今天数=('R_days', 'mean'), 平均频次=('F_cnt', 'mean'),
+    ).round(1).sort_values('GMV', ascending=False)
+    seg['人数占比%'] = (seg['人数'] / seg['人数'].sum() * 100).round(1)
+    seg['GMV占比%'] = (seg['GMV'] / seg['GMV'].sum() * 100).round(1)
+    print(f'[RFM] 用户 {len(u)} · 截至 {asof.date()} · '
+          f"R中位 {u['R_days'].median():.0f} 天 · F中位 {u['F_cnt'].median():.0f} 次 · M中位 {u['M_amt'].median():.0f}")
+    print(seg.to_markdown())
+    return u, seg
+
+
+if __name__ == '__main__':
+    rng = np.random.default_rng(11)
+    n_users, n_tx = 800, 6000
+    tx = pd.DataFrame({
+        '用户': rng.integers(1, n_users + 1, n_tx),
+        '日期': pd.Timestamp('2026-01-01') + pd.to_timedelta(rng.integers(0, 180, n_tx), unit='D'),
+        '金额': rng.lognormal(4, 1, n_tx).round(2),
+    })
+    users, seg = rfm(tx, '用户', '日期', '金额')
+    assert set(users['客群']).issubset(set(SEGMENTS.values()))
+    assert users['R分'].between(1, 5).all() and len(seg) >= 6
+    assert abs(seg['GMV占比%'].sum() - 100) < 0.5
+    top = users[users['客群'] == '重要价值']
+    assert top['M_amt'].mean() > users['M_amt'].mean()  # 重要价值客群人均金额应高于整体
+    print('OK rfm.py')

package/skills/marketing-chain/SKILL.md

@@ -0,0 +1,57 @@
+---
+name: marketing-chain
+description: 市场营销技能链总控（洞察→策略→内容→活动→投放→复盘→客户运营全链→技能路由与端到端工作流、营销自动化例程）。当营销诉求跨环节（"新品上市整个 campaign""大促从筹备到复盘"）或不确定用哪个技能时先载入。
+version: 1.0.0
+---
+
+# 市场营销技能链总控
+
+## 场景路由表
+
+| 营销模块 | 高频场景 | 技能 |
+|---|---|---|
+| 市场洞察 | 用户分群 RFM/漏斗诊断/竞品矩阵 | **marketing-analytics** |
+| 策略定位 | STP/年度营销计划/预算分配 | strategy-planning + marketing-analytics |
+| 品牌 | Brief/VI/命名/语调 | **brand-design** |
+| 内容 | 公众号/短视频/小红书/知乎 | **content-creation** |
+| 公关传播 | 新闻稿/危机/媒体 QA/舆情 | **pr-comms** |
+| 活动会务 | 发布会/展会/客户大会 | **event-management** |
+| 电商增长 | GMV 归因/大促/直播投放 | **ecommerce-ops** |
+| 客户运营 | 客诉/VOC/NPS/FAQ | **customer-service** |
+| 效果度量 | 指标体系/看板/归因口径 | metrics-system + data-analysis |
+
+## 端到端工作流
+
+### ① 新品上市链（Campaign 级）
+洞察（marketing-analytics:目标人群分群+竞品定位图）→ 策略（STP 一页纸:打谁/说什么/在哪说,
+**"说什么"= brand-design 的 SMP,全链所有物料共用这一句**）→ 物料矩阵
+（brand-design Brief → content-creation 四平台内容 + slides-html 发布会 PPT + pr-comms 新闻稿,
+**同一 SMP 不同表达,串稿检查**）→ 发布会（event-management 全流程）→ 投放
+（渠道×素材计划,预算与 KPI 事先锁定）→ 数据日报（office-automation 例程:曝光-转化-成本）→
+上市 30 天复盘（目标 vs 达成/素材衰减/渠道 ROI → 可复制清单）。
+
+### ② 大促作战链（电商节奏）
+目标拆解（ecommerce-ops:GMV=UV×CVR×AOV 反推各因子目标与资源）→ 蓄水期（内容种草排期+
+私域预热+尾款机制设计）→ 库存战备（售罄率预演,supply-chain 联动补货）→ 爆发期作战室
+（小时级数据播报模板+异常预案:超卖/客服过载/舆情——pr-comms 危机口径备案）→
+售后波峰（customer-service:客诉高峰的权限阶梯提前放宽）→ **剥离基线的复盘**
+（真实增量/毛利口径盈亏/透支效应检查）→ 沉淀（素材库+SOP 回写 knowledge-sop）。
+
+### ③ 客户之声闭环链（月度常态）
+VOC 汇总（customer-service:工单+评价 ecommerce+舆情 pr 三源合一）→ 帕累托与根因
+（原声证据）→ 分发（产品缺陷→product-design 需求;话术缺口→FAQ 更新;体验硬伤→专项）→
+整改跟踪（行动项台账,meeting-minutes 机制）→ 效果回看（该类问题量环比,**闭环率进月报**——
+VOC 不闭环,收集就是表演）。
+
+## 自动化例程配方
+
+- 营销日报：投放渠道数据汇总→异常（CAC 超阈值/素材衰减）标红;
+- 舆情监测周报：声量+负面高频词,超阈值即时提醒（pr-comms 口径）;
+- 内容日历提醒：栏目排期 T-2 催稿;
+- 月度 VOC 报告初稿自动生成,闭环率自动计算。
+
+## 使用纪律
+
+全链口径统一进 metrics-system 字典（GMV/新客/ROI 先对齐再开工）;
+所有对外物料过 content-creation 违禁扫描与 brand-design 语调检查;
+预算与实际支出周对账（management-accounting 预实口径）。

package/skills/meeting-minutes/SKILL.md

@@ -0,0 +1,55 @@
+---
+name: meeting-minutes
+description: 会议纪要与行动项管理（转写整理、决议提炼、行动项跟踪表、周例会/评审会/客户会范式）。当用户给出会议录音转写/杂乱笔记说"整理成纪要/输出行动项"时使用。
+version: 1.0.0
+---
+
+# 会议纪要（从转写噪声到可执行结论）
+
+## 处理流程
+
+1. **输入清洗**：转写文本先标记发言人（有标识用标识,无标识按上下文推断并标注"推断"）;
+   剔除寒暄与重复;超长转写（>2小时会议）走 long-doc-analysis 分段法。
+2. **三层提取**（纪要的本体）：
+   - **决议**：明确达成一致的事项（原话中有"就这么定/同意/通过"锚点的才算）;
+   - **行动项**：动作+责任人+期限三要素,缺一要素的标「待补:缺期限」而非脑补;
+   - **待决问题**：讨论未决的分歧点,记录各方立场与下一步（谁去调研/下次议）。
+3. **对账式核对**：把提取结果对照原文复核一遍——**纪要错一个责任人,比没有纪要更糟**;
+   模糊处标注原文位置,交人工确认而不是猜。
+4. **产出**：纪要 docx（结构见下）+ `行动项跟踪表.xlsx`（编号/事项/责任人/期限/状态/
+   来源会议——多次会议累积同一张表,开会前先过上次未闭环项）。
+
+## 纪要结构（按会议类型微调）
+
+```
+会议纪要：【主题】
+时间/地点/主持/记录/出席（缺席标注）
+一、决议事项（编号列出，每条一句话，含生效条件）
+二、行动项（表：# | 事项 | 责任人 | 期限 | 验收标准）
+三、待决问题（分歧点 + 各方立场 + 下一步）
+四、下次会议（时间/议题/需准备材料）
+```
+
+- **周例会**：增加「上期行动项闭环情况」置顶（完成/延期+原因/取消）;
+- **评审会**（需求/设计/代码）：决议=通过/有条件通过（条件列表）/不通过（问题列表）,
+  必须明确"有条件通过"的条件核验人;
+- **客户会议**：区分「我方承诺」与「客户诉求」两张清单,我方承诺发出前需内部确认——
+  纪要外发版与内部版分开（内部版含风险备注）。
+
+## 红线
+
+- 不虚构：没说过的不写,推断的标注;发言人不确定就写"与会人员提出";
+- 敏感表述（薪酬/人事/未公开数据）在外发版中按需脱敏并向用户确认;
+- 行动项动词必须可验收（"跟进/关注"不合格,改为"输出 X 文档/给出 Y 结论"）。
+
+## 自动化衔接
+
+固定周会可配 office-automation 例程：会后把转写文件放入约定目录 → 自动出纪要初稿与
+更新后的行动项跟踪表 → 人工审定后发出。
+
+## 验收自查
+
+- [ ] 每条决议在原文有锚点;行动项三要素齐或标「待补」
+- [ ] 上期行动项闭环核对完成（例会）
+- [ ] 外发版已脱敏;我方承诺经确认
+- [ ] 跟踪表累积更新而非另起炉灶