aukeys-opscli 0.0.41__tar.gz → 0.0.43__tar.gz

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: aukeys-opscli
-Version: 0.0.41
+Version: 0.0.43
 Summary: Aukeys 运营 CLI 工具集
 Requires-Python: >=3.10
 Description-Content-Type: text/markdown

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/aukeys_opscli.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: aukeys-opscli
-Version: 0.0.41
+Version: 0.0.43
 Summary: Aukeys 运营 CLI 工具集
 Requires-Python: >=3.10
 Description-Content-Type: text/markdown

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/opscli/skills/templates/ops-dataset-query/SKILL.md

@@ -66,13 +66,41 @@ version: see data/VERSION.json
 
 ---
 
+## 【强制】意图分析流程（数据集选择）
+
+> 当用户给出自然语言需求、没有明确指定 dataset 时，**必须**按以下流程选择数据集，禁止跳过远程 catalog 直接用本地搜索猜测。
+
+**标准流程**：
+
+1. **远程 catalog 优先**：调用 `opscli query catalog --pretty`（CLI）或 `query_catalog()`（MCP），读取远端最新的 `intents` 列表
+2. **意图匹配**：将用户需求与 `intents` 中的 `use_cases`、`keywords`、`scenario_description` 逐条匹配，按 `priority` 选择最佳候选数据集
+3. **获取 table_id 和 default_filters**：从命中的 intent 中提取 `table_id`、`dataset_alias`、`default_filters`、`comparison_strategy` 等参数
+4. **验证 default_filters（强制）**：catalog 的 `default_filters` 可能与实际数据不匹配。首次使用某数据集的 `default_filters` 时，必须先发一个轻量探查查询（不带 `default_filters`，仅带日期范围 + 1 个指标 SUM，limit=1）确认数据集有数据；再加上 `default_filters` 重试；若加上后返回 0 行，则去掉该 `default_filters` 继续查询，并在结果中告知用户已跳过不可用的默认过滤条件
+5. **字段校验**：用本地 `data/dataset_fields.csv` 或 `query_metadata` 校验目标字段是否存在
+6. **构造查询**：基于 catalog 提供的 `table_id`、验证通过的 `default_filters`、`comparison_strategy` 构造查询
+
+**降级规则**：
+
+| 优先级 | 场景 | 动作 |
+|--------|------|------|
+| 1（最优） | 远程 catalog 可用 | 直接使用远端 `intents` 匹配 |
+| 2（回退） | 远程 catalog 失败且 `fallback_local=true` | 自动回退本地缓存 `data/dataset_catalog.json` |
+| 3（兜底） | catalog 为空或 intents 无法匹配 | 回退到 `search`（MCP）/ `search.py`（CLI）+ `datasets.csv` 关键词检索 |
+
+**禁止行为**：
+- 跳过远程 catalog，直接用本地 `search.py` / `search` 工具猜测数据集
+- **盲信** catalog 的 `default_filters` 而不做验证——`default_filters` 可能因数据源变更、字段值不一致等原因导致查询返回 0 行
+- 忽略 catalog 中的 `comparison_strategy`，未按推荐策略构造对比查询
+
+---
+
 ## 使用原则
 
 - **简化接口优先**：普通聚合、数据对比、MOY 趋势、子查询等场景，优先使用简化接口（`opscli query simple` / `query_simple`），参数结构见 `references/simple-query-guide.md`
 - 仅当简化接口不满足需求时（如复杂的 `joins`、`union`、自定义子查询），才手写完整 query payload + `opscli query run` / `query_run`
 - 所有远端查询动作必须统一走选定模式下的正式查询入口，禁止直接调用后端 HTTP 接口
 - 认证检查按动作触发：本地只读检索（`catalog --source local` / `query_catalog(source="local")` / `metadata` / `search` / `fetch`）不要求登录；默认远端 catalog、远端执行、图表运行和 Skill 升级前必须确认认证
-- 用户未指定 dataset 时，优先使用 `opscli query catalog`（CLI）或 `query_catalog`（MCP）读取 dataset catalog 的 `intents` 选择候选数据集；catalog 为空或缺失时，回退到 `datasets.csv` + `dataset_fields.csv` 关键词检索
+- **【强制】意图分析必须远程 catalog 优先**：用户未指定 dataset 时，必须先调用远程 catalog 匹配 intents；仅当 catalog 不可用或 intents 无法匹配时，才回退到本地关键词检索
 - 查询前优先检查目标 `dataset_alias`、`field_name`、`global_alias`、`verbose_name` 是否存在于本地索引或 metadata；不要先猜字段再直接构造 payload
 - **【强制】本地搜索结果为空时，必须先确认数据是否已初始化**：若 `updater_mcp.py --check`、`opscli skills status` 或本地文件统计显示数据为空/placeholder，先升级再重试；若数据已初始化但搜索为空，再告知用户当前索引未覆盖
 - 如果字段或数据集不存在，优先执行当前模式下的 Skill 升级，再重新检查一次
@@ -81,4 +109,6 @@ version: see data/VERSION.json
 - 涉及环比、同比、上期对比等汇总对比时，优先使用服务端 `dataComparison` 能力；**必须同时传主周期日期 `filters` + 对比周期 `dataComparison`**，不能只传 `dataComparison`
 - 普通时间范围查询只用 `filters`；只有需要对比时才同时使用 `filters` 与 `dataComparison`
 - 如果 `query_simple` / `opscli query simple` 携带 `dataComparison` 后出现 SQL 解析错误（如 `QS-EXE-005 missing ')' at '{'`），先检查是否缺少主周期日期 `filters`；缺少时自动补上当前周期 `>=`、`<=` 或 `between` 日期过滤后重试，仍失败再降级为纯 `filters` 查询或多次查询本地合并
+- **子查询数据集（`inner_where_enabled=true`）已支持 `dataComparison`**：使用方式与普通数据集一致，必须同时传主周期 `filters` 和 `dataComparison`。若极端情况下仍未返回 `last_*`、`diff_*`、`pct_*` 对比字段，可降级为"分别查询两个周期 + 本地合并计算环比"策略
+- **【已知限制】子查询数据集必须至少包含一个业务过滤条件**：`inner_where_enabled=true` 的数据集在无任何业务 `filters` 时，`innerWhere` 占位符无法填充，会导致 `QS-EXE-005` SQL 解析错误。查询此类数据集时，必须至少传入一个日期范围过滤条件
 - 处理 chart 查询时，优先采用服务端返回的 `datasets + queries` 双层结构：`datasets` 负责公共字段语义，`queries` 负责执行结构；本地 CSV 仅作字段映射兜底

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/opscli/skills/templates/ops-dataset-query/references/cli.md

@@ -1128,13 +1128,54 @@ python3 -c "import json; print(json.load(open('/tmp/result.json'))['data']['resu
 
 ## 典型工作流
 
-### 探索数据集 → 构造 → 执行（简化接口，推荐）
+### 意图分析 → 数据集选择 → 构造 → 执行（推荐）
+
+> **【强制】用户未指定 dataset 时，必须从远程 catalog 意图匹配开始，禁止跳过直接用本地搜索猜测。**
+
+```bash
+# 0. 先检查认证状态；如未登录则调用 ops-auth 完成登录
+opscli auth token status
+
+# 1.【强制】远程 catalog 意图分析（默认远端优先，失败自动回退本地缓存）
+opscli query catalog --pretty
+# 从返回的 intents 中匹配用户需求：
+#   - 比对 use_cases / keywords / scenario_description
+#   - 按 priority 选择最佳候选
+#   - 提取 table_id、dataset_alias、default_filters、comparison_strategy
+
+# 2. 用本地索引校验目标字段是否存在
+python scripts/search.py <field_name> --dataset <dataset_alias> -n 20
+# 或查看完整 metadata
+opscli query metadata --dataset <dataset_alias> --pretty
+
+# 3. 基于 catalog 提供的 table_id + default_filters + comparison_strategy 构造查询
+opscli query simple \
+  --table-id <table_id> \
+  --json '{
+    "dimensions": [...],
+    "metrics": [...],
+    "filters": [<default_filters>, <用户指定的日期/维度过滤>],
+    "limit": 50
+  }' \
+  --run --pretty
+```
+
+**意图匹配示例**：
+
+用户说"查广告数据" → catalog 返回 `intent_code: instant_advertising_analysis`：
+- `table_id: 15`，`dataset_alias: ds_0759e20F0DrG`
+- `default_filters: [{"field": "amazon_cat", "value": "Amazon", "operator": "="}]`
+- `comparison_strategy: {"trend_compare": "MOM", "summary_compare": "dataComparison"}`
+
+→ 直接用 `table_id=15` + `platform_name in ["Amazon"]` 构造查询，无需猜测数据集。
+
+### 探索数据集 → 构造 → 执行（已知数据集时）
 
 ```bash
 # 0. 先检查认证状态；如未登录则调用 ops-auth 完成登录
 opscli auth token status
 
-# 1. 通过本地索引确认数据集和字段名
+# 1. 通过本地索引确认字段名
 # 2. 查看完整 metadata（获取 table_id 和字段信息）
 opscli query metadata --dataset sales_order_d --pretty
 # 3. 使用简化接口构造并执行

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/opscli/skills/templates/ops-dataset-query/references/mcp.md

@@ -868,15 +868,55 @@ result_prev = query_simple(
 
 ## 典型工作流
 
-### 探索数据集 → 构造 → 执行（简化接口）
+### 意图分析 → 数据集选择 → 构造 → 执行（推荐）
+
+> **【强制】用户未指定 dataset 时，必须从远程 catalog 意图匹配开始，禁止跳过直接用本地搜索猜测。**
 
 ```python
 # 0. 先检查 session；如无效则重新 Device Flow 授权
 auth_is_authenticated(session_id="xxx")
 
-# 1. 通过本地索引确认数据集和字段名
+# 1.【强制】远程 catalog 意图分析（默认远端优先，失败自动回退本地缓存）
+query_catalog()
+# 从返回的 intents 中匹配用户需求：
+#   - 比对 use_cases / keywords / scenario_description
+#   - 按 priority 选择最佳候选
+#   - 提取 table_id、dataset_alias、default_filters、comparison_strategy
+
+# 2. 用本地索引校验目标字段
+search(query="<field_name>")
+# 或查看完整 metadata
+query_metadata(dataset="<dataset_alias>")
+
+# 3. 基于 catalog 提供的 table_id + default_filters + comparison_strategy 构造查询
+query_simple(
+    table_id=<table_id>,  # 从 catalog intent 获取
+    dimensions=[...],
+    metrics=[...],
+    filters=[...],  # 合并 default_filters + 用户指定的日期/维度过滤
+    limit=50,
+    session_id="xxx"
+)
+```
+
+**意图匹配示例**：
+
+用户说"查广告数据" → catalog 返回 `intent_code: instant_advertising_analysis`：
+- `table_id: 15`，`dataset_alias: ds_0759e20F0DrG`
+- `default_filters: [{"field": "amazon_cat", "value": "Amazon", "operator": "="}]`
+- `comparison_strategy: {"trend_compare": "MOM", "summary_compare": "dataComparison"}`
+
+→ 直接用 `table_id=15` + `platform_name in ["Amazon"]` 构造查询，无需猜测数据集。
+
+### 探索数据集 → 构造 → 执行（已知数据集时）
+
+```python
+# 0. 先检查 session；如无效则重新 Device Flow 授权
+auth_is_authenticated(session_id="xxx")
+
+# 1. 通过本地索引确认字段名
 # 2. 查看完整 metadata
-query_metadata(dataset="sales_order_d", skills_dir="/Users/mask/.config/opencode/skills")
+query_metadata(dataset="sales_order_d")
 
 # 3. 使用简化接口构造并执行
 query_simple(
@@ -886,8 +926,7 @@ query_simple(
     filters=[{"field": "date_id", "operator": "between", "value": ["2026-04-01", "2026-04-22"]}],
     order_by=[{"field": "f_fee_sum", "desc": True}],
     limit=50,
-    session_id="860b0636485b5188a2b9b4ed5210e736",
-    skills_dir="/Users/mask/.config/opencode/skills"
+    session_id="xxx"
 )
 ```
 

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/opscli/skills/templates/ops-dataset-query/references/query-patterns.md

@@ -87,6 +87,25 @@ description: 数据对比与高级计算通用参考（CLI / MCP 共享）
 
 **适用场景**：当期（如本月 1-22 日） vs 对比期（如上月同期 1-22 日）的汇总数据对比，**同期天数对等**，适合月度/季度环比汇总看板。
 
+**注意事项**：
+
+| 事项 | 说明 |
+|------|------|
+| 子查询数据集已支持 | `inner_where_enabled=true` 的数据集（如 table_id=15 广告数据集）已支持 `dataComparison`，使用方式与普通数据集一致 |
+| 必须同时传主周期 filters | 只传 `dataComparison` 不传日期 `filters` 会导致 SQL 解析错误，始终同时传 `filters`（主周期日期）+ `dataComparison`（对比周期日期） |
+
+**极端降级流程**（仅在服务端未返回对比字段时使用）：
+
+```
+1. 使用 dataComparison 查询
+2. 检查返回结果是否包含 last_* 字段
+   ├── 包含 → 正常使用（预期路径）
+   └── 不包含 → 降级：分别查询两个周期 + 本地合并
+       ├── 查询主周期（filters 限定当期日期）
+       ├── 查询对比周期（filters 限定上期日期）
+       └── 按维度匹配，计算 diff 和 pct
+```
+
 ---
 
 ## MOY 同环比（高级计算）

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/opscli/skills/templates/ops-dataset-query/references/simple-query-guide.md

@@ -68,30 +68,84 @@ description: 简化查询接口指南 — 7 个纯业务概念完成数据查询
 
 ```json
 [
-    {"field": "dept_name", "alias": "f_dept"},
-    {"field": "date_id", "alias": "f_month", "format": "%Y-%m"}
+  {"field": "dept_name", "alias": "f_dept"},
+  {"field": "date_id", "alias": "f_month", "format": "%Y-%m"}
+]
+```
+
+- `field`：字段的 origin_name（不含数据集前缀，服务端自动拼接）
+- `alias`：返回结果中的列名（建议使用 global_alias）
+- `format`（可选）：日期格式化，如 `%Y-%m` 按月分组
+
+### metrics — 指标
+
+```json
+[
+  {"field": "price", "aggregation": "SUM", "alias": "f_price_sum"},
+  {"field": "price", "aggregation": "SUM", "alias": "f_price_moy", "comparison": "MOY", "moyType": "MOM_MONTH"}
+]
+```
+
+- `aggregation`：聚合方式（`SUM`、`COUNT`、`AVG`、`MAX`、`MIN`）
+- `comparison`（可选）：`MOY`（月环比/年同比趋势）、`ACC`（累计）、`PPT`（百分点）
+- `moyType`（可选）：`MOM_MONTH`（月环比）、`YOY_YEAR`（年同比）
+
+### filters — 过滤条件
+
+```json
+[
+  {"field": "platform_name", "operator": "in", "value": ["Amazon"]},
+  {"field": "date_id", "operator": "between", "value": ["2026-04-01", "2026-04-22"]}
+]
+```
+
+- `operator`：`=`、`!=`、`>`、`>=`、`<`、`<=`、`in`、`not in`、`between`
+- 子查询数据集中，服务端自动将业务条件放入 `innerWhere`，日期条件放入外层 `where`
+
+### dataComparison — 数据对比
+
+```json
+{
+  "field": "date_id",
+  "startDate": "2026-03-01",
+  "endDate": "2026-03-22"
+}
+```
+
+- 必须同时传 `filters` 中的主周期日期，否则报 `QS-EXE-005`
+- 返回字段：`last_{alias}`（上期值）、`diff_{alias}`（差值）、`pct_{alias}`（环比百分比）
+
+### orderBy — 排序
+
+```json
+[
+  {"field": "f_price_sum", "desc": true}
+]
+```
+
+- `field`：使用 metric/dimension 的 `alias`
+- `desc`：`true` 降序，`false` 升序
+
+---
+
+## 完整示例
+
+### 示例 1：普通聚合查询
+
+```json
+{
+  "tableId": 1,
+  "dimensions": [
+    {"field": "dept_name", "alias": "f_dept"}
   ],
   "metrics": [
-    {"field": "price", "aggregation": "SUM", "alias": "f_price_sum"},
-    {"field": "price", "aggregation": "SUM", "alias": "f_price_moy", "comparison": "MOY", "moyType": "MOM_MONTH"}
+    {"field": "fi_first_leg_trailer_fee", "aggregation": "SUM", "alias": "f_fee_sum"}
   ],
   "filters": [
-    {"field": "platform_name", "operator": "in", "value": ["Amazon"]},
     {"field": "date_id", "operator": "between", "value": ["2026-04-01", "2026-04-22"]}
   ],
-  "dataComparison": {
-    "field": "date_id",
-    "startDate": "2026-03-01",
-    "endDate": "2026-03-22"
-  },
   "orderBy": [
-    {"field": "f_price_sum", "desc": true}
-  ],
-  "metrics": [
-    {"field": "fi_first_leg_trailer_fee", "aggregation": "SUM", "alias": "f_fee_sum"}
-  ],
-  "filters": [
-    {"field": "date_id", "operator": "between", "value": ["2026-04-01", "2026-04-22"]}
+    {"field": "f_fee_sum", "desc": true}
   ],
   "limit": 10
 }
@@ -179,6 +233,35 @@ description: 简化查询接口指南 — 7 个纯业务概念完成数据查询
 
 ---
 
+## 子查询数据集注意事项（inner_where_enabled=true）
+
+子查询类型数据集（如 `table_id=15` 广告数据集）有以下特殊约束：
+
+### 1. 必须至少包含一个日期过滤条件
+
+子查询数据集的 SQL 模板包含 `innerWhere` 占位符，当 `filters` 完全为空时，占位符无法填充，服务端会生成非法 SQL 并返回 `QS-EXE-005` 错误。
+
+**最低要求**：至少传入一个日期范围过滤条件（`date_id >= xxx` 或 `date_id between [xxx, yyy]`）。
+
+```json
+// 错误：无任何 filters，会导致 QS-EXE-005
+{"tableId": 15, "dimensions": [...], "metrics": [...], "filters": []}
+
+// 正确：至少带日期过滤
+{"tableId": 15, "dimensions": [...], "metrics": [...],
+ "filters": [{"field": "date_id", "operator": "between", "value": ["2026-02-01", "2026-02-28"]}]}
+```
+
+### 2. dataComparison 已支持子查询数据集
+
+子查询数据集现已支持 `dataComparison`，服务端会正确返回 `last_*`、`diff_*`、`pct_*` 对比字段。使用方式与普通数据集一致，必须同时传主周期 `filters` 和 `dataComparison`。
+
+### 3. catalog default_filters 需验证
+
+catalog 中 `default_filters`（如 `amazon_cat=Amazon`）可能与实际数据不匹配。首次使用时应先不带 `default_filters` 探查数据是否存在，确认后再决定是否加上。若加上后返回 0 行，则去掉继续查询。
+
+---
+
 ## CLI 调用方式
 
 ```bash
@@ -247,6 +330,9 @@ query_simple(
 | 缺少必填 alias | 400 | dimension / metric 必须提供 `alias` |
 | 不支持 comparison 类型 | 400 | 仅支持 `MOY`、`ACC`、`PPT` |
 | `dataComparison` SQL 解析错误 | `QS-EXE-005` 等 | 先检查是否缺少主周期日期 `filters`；缺少时补上当前周期日期过滤后重试，仍失败再降级为纯 `filters` 查询 |
+| 子查询数据集无 filters | `QS-EXE-005` | `inner_where_enabled=true` 的数据集必须至少传一个日期过滤条件，否则 innerWhere 占位符无法填充 |
+| `dataComparison` 未返回对比字段 | 无错误码 | 子查询数据集已支持 `dataComparison`；若仍未返回对比字段，降级为分别查询两个周期后本地合并计算 |
+| catalog `default_filters` 返回 0 行 | 无错误码 | `default_filters` 可能与实际数据不匹配，去掉后重试 |
 
 ---
 

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/opscli/version.c

@@ -2282,7 +2282,7 @@ static __pyx_mstatetype * const __pyx_mstate_global = &__pyx_mstate_global_stati
 #endif
 /* #### Code section: constant_name_defines ### */
 #define __pyx_kp_u_ __pyx_string_tab[0]
-#define __pyx_kp_u_0_0_41_dev __pyx_string_tab[1]
+#define __pyx_kp_u_0_0_43_dev __pyx_string_tab[1]
 #define __pyx_kp_u__2 __pyx_string_tab[2]
 #define __pyx_kp_u_aukeys_opscli __pyx_string_tab[3]
 #define __pyx_kp_u_opscli_version_py __pyx_string_tab[4]
@@ -2939,7 +2939,7 @@ __Pyx_RefNannySetupContext("PyInit_version", 0);
  * from importlib.metadata import PackageNotFoundError, version
  * 
  * PACKAGE_NAME = "aukeys-opscli"             # <<<<<<<<<<<<<<
- * FALLBACK_VERSION = "0.0.41-dev"
+ * FALLBACK_VERSION = "0.0.43-dev"
  * 
 */
   if (PyDict_SetItem(__pyx_mstate_global->__pyx_d, __pyx_mstate_global->__pyx_n_u_PACKAGE_NAME, __pyx_mstate_global->__pyx_kp_u_aukeys_opscli) < (0)) __PYX_ERR(0, 10, __pyx_L1_error)
@@ -2947,11 +2947,11 @@ __Pyx_RefNannySetupContext("PyInit_version", 0);
   /* "opscli/version.py":11
  * 
  * PACKAGE_NAME = "aukeys-opscli"
- * FALLBACK_VERSION = "0.0.41-dev"             # <<<<<<<<<<<<<<
+ * FALLBACK_VERSION = "0.0.43-dev"             # <<<<<<<<<<<<<<
  * 
  * 
 */
-  if (PyDict_SetItem(__pyx_mstate_global->__pyx_d, __pyx_mstate_global->__pyx_n_u_FALLBACK_VERSION, __pyx_mstate_global->__pyx_kp_u_0_0_41_dev) < (0)) __PYX_ERR(0, 11, __pyx_L1_error)
+  if (PyDict_SetItem(__pyx_mstate_global->__pyx_d, __pyx_mstate_global->__pyx_n_u_FALLBACK_VERSION, __pyx_mstate_global->__pyx_kp_u_0_0_43_dev) < (0)) __PYX_ERR(0, 11, __pyx_L1_error)
 
   /* "opscli/version.py":14
  * 
@@ -3044,7 +3044,7 @@ static int __Pyx_InitConstants(__pyx_mstatetype *__pyx_mstate) {
   {
     const struct { const unsigned int length: 5; } index[] = {{1},{10},{1},{13},{17},{16},{12},{20},{20},{18},{18},{8},{11},{18},{13},{5},{8},{10},{8},{14},{12},{6},{12},{10},{3},{8},{6},{7},{25}};
     #if (CYTHON_COMPRESS_STRINGS) == 2 /* compression: bz2 (314 bytes) */
-const char* const cstring = "BZh91AY&SY3PY\360\000\000\007\177\343FL\202\000\000\003\344\000\277\257\371\000\277\257\377\340\000@@\000@@@\0000\000\355Y\206\250i\240A\264\324\311\240\320\304i\352\r\001\246\217F\232\203T\364\231\033SS\023M\251\352\r4\032\000\000\000\320\032\236\243T\364\322h\321\243\322\003@\000\032\001\240\002\251\013ml<\360t\326\3748\263\235\236D\202VR\211\267\321\306\251\302\221Z<6\227;\362\017\220OY\347<s\240\374\270\271\"\230\317\254y\036\310\232/\024fb\022[\n@\022\205\241\niXm\033\t\005\312\235\366\0237\326\244\250\316\031\226D@E\301\302\226\033Qu\347a\331u\234\217\346\001\246\2434\020\256\343\246\266\360\373\006\272\275F\210\221\211*\000\304r\n\300\206\221\003\r\"\251xZt\2532!,Y\347%=\010)\310\005\025\303\214V\335\211\0137\245\374\312\0238~E\244U8\010\231\223J\024F\026\003\361\023N\253NPQ\010\216A\024\017\333\203\212\027Ab\216B\020\256\267!\216l\024\306R\022\360\245\303\273\014$_\361w$S\205\t\0035\005\237\000";
+const char* const cstring = "BZh91AY&SY\307\363\312\360\000\000\007\177\343FL\202\000\000\003\314\000\277\257\371\000\277\257\377\340\000@@\000@@@\0000\000\355Y\206\250i\240A\264\324\311\240\320\304i\352\r\001\246\217F\232\203T\364\231\033SS\023M\251\352\r4\032\000\000\000\320\032\236\243T\364\322h\321\243\322\003@\000\032\001\240\002\251\013ml<\360t\326\3748\263\235\236D\202VR\211\267\321\306\251\302\221Z<6\227;\362\017\220OY\347<s\240\374\270\271\"\230\317\254y\036\310\232/\024fb\022[\n@\022\205\241\niXm\033\t\005\312\235\366\0237\326\244\250\316\031\226D@E\301\302\226\033Qu\347a\331u\234\217\346\001\246\2434\020\256\343\246\266\360\373\006\272\275F\210\221\211*\000\304r\n\300\206\221\003\r\"\251xZt\2532!,Y\347%=\010)\310\005\025\303\214V\335\211\0137\245\374\312\0238~E\244U8\010\231\223J\024F\026\003\361\023N\253NPQ\010\216A\024\017\333\203\212\027Ab\216B\020\256\267!\216l\024\306R\022\360\245\303\273\014$_\361w$S\205\t\014\177<\257\000";
     PyObject *data = __Pyx_DecompressString(cstring, 314, 2);
     if (unlikely(!data)) __PYX_ERR(0, 1, __pyx_L1_error)
     const char* const bytes = __Pyx_PyBytes_AsString(data);
@@ -3052,7 +3052,7 @@ const char* const cstring = "BZh91AY&SY3PY\360\000\000\007\177\343FL\202\000\000
     if (likely(bytes)); else { Py_DECREF(data); __PYX_ERR(0, 1, __pyx_L1_error) }
     #endif
     #elif (CYTHON_COMPRESS_STRINGS) != 0 /* compression: zlib (253 bytes) */
-const char* const cstring = "x\332=OMK\303@\020\365\240 (x\362gt\255\340]\242\246\"\326\030[\360:L7\323\262t?\222\335\331\330\374\003\217\371i\036{\364\247\270!\301\201\231y\274a\336\233\021s1\027w\267\263\212\332{\214{\352\302\314\325Aj5\326\233\226|P\316\212\272[d\313\345C\366\370\n\237\371j\375\362^\224\tg\3179\024\331[^\242\334\343\216\n\307\013\027m\225{\357<@\331\035R>)\311P\320\201W\264\305\320Y\251\234\220\316\273\310\312\322\340a\t\224\005\366(i\223t\000\266\321J\200\0351L\356\312\324\316\263V\033a\210\261BFP\001\376E\024\223\t\000\006\223L\n\343\252\250i@\026M\352\343'b\322\002h\"\352q\342\211\243OLHV#\223P\225\316\214\232\003\247\017\230\002\003\264\250#\205i\377\347\344\272\377\370==;\236_}\177\365\3307\307\213\313\0017\177O%\200-";
+const char* const cstring = "x\332=OMK\303@\020\365\240 (x\362gt-\350]\242\246\"\326\030[\360:L7\323\262t?\222\335\331\330\374\003\217\371i\036{\364\247\270!\301\201\231y\274a\336\233\021s1\027w\267\263\212\332{\214{\352\302\314\325Aj5\326\233\226|P\316\212\272[d\313\345C\366\370\n\237\371j\375\362^\224\tg\3179\024\331[^\242\334\343\216\n\307\013\027m\225{\357<@\331\035R>)\311P\320\201W\264\305\320Y\251\234\220\316\273\310\312\322\340a\t\224\005\366(i\223t\000\266\321J\200\0351L\356\312\324\316\263V\033a\210\261BFP\001\376E\024\223\t\000\006\223L\n\343\252\250i@\026M\352\343'b\322\002h\"\352q\342\211\243OLHV#\223P\225\316\214\232\003\247\017\230\002\003\264\250#\205i\377\347\344\272\377\370==;\236_}\177\365\3307\307\213\313\0017\177Q\255\200/";
     PyObject *data = __Pyx_DecompressString(cstring, 253, 1);
     if (unlikely(!data)) __PYX_ERR(0, 1, __pyx_L1_error)
     const char* const bytes = __Pyx_PyBytes_AsString(data);
@@ -3060,7 +3060,7 @@ const char* const cstring = "x\332=OMK\303@\020\365\240 (x\362gt\255\340]\242\24
     if (likely(bytes)); else { Py_DECREF(data); __PYX_ERR(0, 1, __pyx_L1_error) }
     #endif
     #else /* compression: none (330 bytes) */
-const char* const bytes = ".0.0.41-dev?aukeys-opscliopscli/version.pyFALLBACK_VERSIONPACKAGE_NAMEPackageNotFoundError__Pyx_PyDict_NextRefasyncio.coroutinescline_in_traceback__func__get_versionimportlib.metadata_is_coroutineitems__main____module____name__opscli.version__qualname__return__set_name__setdefaultstr__test__valuesversion\320\000\025\220Q\340\004\005\330\010\017\210w\220a\220q\330\013\014\330\010\017\210q";
+const char* const bytes = ".0.0.43-dev?aukeys-opscliopscli/version.pyFALLBACK_VERSIONPACKAGE_NAMEPackageNotFoundError__Pyx_PyDict_NextRefasyncio.coroutinescline_in_traceback__func__get_versionimportlib.metadata_is_coroutineitems__main____module____name__opscli.version__qualname__return__set_name__setdefaultstr__test__valuesversion\320\000\025\220Q\340\004\005\330\010\017\210w\220a\220q\330\013\014\330\010\017\210q";
     PyObject *data = NULL;
     CYTHON_UNUSED_VAR(__Pyx_DecompressString);
     #endif

{aukeys_opscli-0.0.41 → aukeys_opscli-0.0.43}/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "aukeys-opscli"
-version = "0.0.41"
+version = "0.0.43"
 description = "Aukeys 运营 CLI 工具集"
 readme = "README.md"
 requires-python = ">=3.10"