csv-data-analysis

智能深度数据分析工具

数据分析工具是一款基于前端可视化技术（ECharts + Tailwind CSS）构建的 AI 驱动型深度自动化数据探索工具。它可快速提取统计特征、数据质量指标、数值分布、异常值检测结果、类别信息、相关性、排名和时间序列趋势。报告后半部分还会补充异常概览、归因线索和总结建议，生成精致且交互性强的 Web 分析报告。支持的格式包括 CSV、Excel（.xlsx/.xls）和 TSV。

报告遵循“前半部分进行基础数据分析，后半部分增强异常检测和归因分析”的结构。核心章节包括：执行摘要、数据概览与质量检查、数值分布特征、特征分析与结构分析、关系分析与异常识别、数据异常概览、归因分析模块、分析结果与统计详情、根本原因推断 / 结论 / 建议。

核心工作流（LLM 必读）

作为 AI 助手，当用户上传 CSV 或 Excel 文件并请求分析时，你必须严格遵循以下两个步骤：

步骤 1：提取数据特征（执行脚本）

使用 execute_skill_script_file 工具运行 csv_analyzer.py，并传入数据文件路径（支持 .csv、.xlsx、.xls、.tsv 格式）。

工具调用参数示例：

{
  "skill_name": "csv-data-analysis",
  "script_file_name": "csv_analyzer.py",
  "args": {"input_file": "/path/to/data.csv or /path/to/data.xlsx"}
}

脚本返回内容说明： 脚本会返回一大段 text 内容，其中包含两部分：

1. [统计摘要]：供你读取并了解数据集的基本特征、分布、相关性和类别构成。
2. [标记包裹的数据块]：脚本输出包含格式为 ###KEY_START###...###KEY_END### 的标记数据块。后端会自动捕获并将这些数据注入模板——你无需处理或传递这些内容。

步骤 2：生成洞察并展示报告（注入模板）

阅读步骤 1 中获得的“统计摘要”，并分析数据背后的业务意义或规律。然后使用 html_interpreter 工具加载模板并注入数据。

关键规则（必须遵守）：

1. 必须将 template_path 设为 csv-data-analysis/templates/report_template.html。模板内置了完整的 ECharts 渲染 JavaScript 代码，以及所有章节标题和页脚文本。你只需通过 data 参数填充 9 个内容占位符。切勿自行编写或修改任何 JavaScript 图表渲染代码。

2. 标记数据块由后端自动注入——不得在 data 中传入这些数据。后端会自动从脚本输出的 ###KEY_START###...###KEY_END### 标记中提取内容并注入模板；在此技能中，主要是 CHART_DATA_JSON。

3. *_INSIGHTS、EXEC_SUMMARY 和 CONCLUSIONS 必须使用 HTML 格式（例如 <p>、<ul>、<li>、<strong>、<ol>），以确保布局正确。这些内容应是基于统计摘要撰写的深入业务洞察。

4. 输出语言必须与用户输入的语言一致。 还必须传入 LANG 占位符（"en" 或 "zh"），以便模板中的硬编码章节标题、标签和页脚文本以相应语言显示。根据用户的查询判断语言：如果用户使用英语，则将 LANG 设为 "en"；如果用户使用中文，则将 LANG 设为 "zh"。无法确定时，默认为 "zh"。

5. 必须恰好传入 9 个占位符，不多不少。 CHART_DATA_JSON 等自动注入的标记字段由后端处理，不应由你传入。模板已硬编码所有章节标题（Distribution Analysis、Correlation Analysis 等）、洞察框标题（"Insights"）和页脚文本；无需传入这些内容（模板会根据 LANG 占位符自动翻译）。

6. 洞察内容必须有实质性。 每个洞察模块都应涵盖 4 个层面：observation（观察结果）、possible causes（可能原因）、business impact（业务影响）和 action recommendations（行动建议）。不要只重复统计数值，也不要只写几条模糊的结论。

7. 先进行基础分析，再将归因分析作为增强模块。 报告前半部分必须聚焦分析 CSV 本身的数据特征，包括数值分布、类别结构、异常值、相关性、排名规律等，并尽可能结合图表进行解读。“数据异常概览”“归因分析”和“根因推断”应作为增强模块出现在报告后半部分——整份报告不能只包含归因内容。

html_interpreter 调用示例：

{
  "template_path": "csv-data-analysis/templates/report_template.html",
  "data": {
    "LANG": "en",
    "REPORT_TITLE": "Sales Dataset Deep Analysis Report",
    "REPORT_SUBTITLE": "Multi-dimensional Data Feature & Business Insight Mining",
    "EXEC_SUMMARY": "<p>This dataset contains 1,000 rows and 5 columns with good data completeness. Key findings include:</p><ul><li><strong>Audience Distribution:</strong> Primarily concentrated in the 25-35 age group...</li></ul>",
    "DISTRIBUTION_INSIGHTS": "<p>The numerical distribution chart reveals that Metric A exhibits a pronounced right-skewed distribution, suggesting...</p>",
    "CORRELATION_INSIGHTS": "<p>The heatmap between variables reveals strong positive correlations, particularly between..., which implies...</p>",
    "CATEGORICAL_INSIGHTS": "<p>Category proportions show that Beijing and Shanghai account for over 50% of the 'City' field.</p>",
    "TIME_SERIES_INSIGHTS": "<p>The time series trend indicates a significant seasonal uptick toward year-end.</p>",
    "CONCLUSIONS": "<p>Based on the comprehensive multi-dimensional analysis, the data exhibits clear structural features and patterns.</p><h3>Recommendations</h3><ul><li>Regularly monitor missing value ratios...</li><li>Focus on high-growth market segments...</li></ul>"
  }
}

严格禁止：

• 不要在 data 中传入 CHART_DATA_JSON 或任何自动注入的标记字段（由后端自动处理）
• 不要在 data 中添加任何 JavaScript 代码
• 不要省略 template_path 参数（省略 template_path 将导致图表无法渲染！）
• 不要返回静态 PNG 图片——此工具已全面升级为 ECharts 动态前端渲染
• 不要传入不存在的占位符（模板仅包含以下 9 个文本占位符和 1 个自动注入的 CHART_DATA_JSON；其他名称将被忽略）

占位符参考（共 9 个，由 LLM 通过 data 传入）

需要在模板中填充的占位符如下：

占位符	类型	必填	描述
LANG	文本	是	报告语言：英文为 "en"，中文为 "zh"。决定所有章节标题、标签和页脚文本的语言。根据用户输入语言进行检测；默认值为 "zh"
REPORT_TITLE	文本	是	报告标题，例如：“销售数据集深度分析报告”
REPORT_SUBTITLE	文本	是	报告副标题，例如：“多维数据特征与业务洞察挖掘”
EXEC_SUMMARY	HTML	是	执行摘要：概述数据规模、关键发现和结论预览
DISTRIBUTION_INSIGHTS	HTML	是	数值分布特征解读：偏度、波动性、分位数范围、离散程度
CORRELATION_INSIGHTS	HTML	是	关系分析与异常识别解读：相关性、关联、离群值、结构关系
CATEGORICAL_INSIGHTS	HTML	是	特征分析与结构分析解读：类别结构、集中度、排名和分组特征
TIME_SERIES_INSIGHTS	HTML	是	数据异常概览章节的补充解读：如果存在时间列，则讨论趋势；如果不存在时间列，则讨论分层差异和异常模式
CONCLUSIONS	HTML	是	根因推断、结论与建议正文；必须区分“数据证据”和“合理推测”

注意： csv_analyzer.py 的输出中包含 ###CHART_DATA_JSON_START###...###CHART_DATA_JSON_END### 标记数据块。后端会自动提取这些数据块并注入模板——不应将它们传入 data。模板中的所有章节标题（例如“分布分析”“相关性分析”“结论与建议”）、洞察框标题（“洞察”）和页脚文本都在 HTML 中硬编码，并会根据 LANG 占位符自动翻译——无需通过占位符传入。

为什么选择此工具？

1. 快速轻量： 不再需要缓慢的 Python 绘图和批量生成 PNG——只传输核心 JSON 数据。
2. 现代交互式布局： 完全集成 Tailwind CSS 响应式布局和 Apache ECharts 流畅的动画交互。
3. 深度业务洞察： 通过分离由机器驱动的数据提取和由 LLM 驱动的逻辑推理，此工具可生成极具价值的数据分析报告。

文件结构

csv-data-analysis/
├── SKILL.md                        # The skill guide you are currently reading
├── scripts/
│   └── csv_analyzer.py             # Python analysis engine (supports CSV/Excel/TSV, lightweight, no graphics dependencies)
└── templates/
    └── report_template.html        # Responsive ECharts report template (with built-in rendering logic and hardcoded titles)