mcpField
R
reporting-pipelines

reporting-pipelines

github.com/bobmatnyc数据与数据库78358 次安装15 周前更新
代码仓库

关于 reporting-pipelines

用于构建可重复的报告流水线，将命令行输出或 JSON 文件转换为带时间戳的 CSV、JSON 和 Markdown 报告，并规范数据整理与保存流程。

主要功能

  1. 01从命令行或 JSON 收集数据
  2. 02将数据规范化为记录
  3. 03导出 CSV、JSON 和 Markdown
  4. 04在报告文件名中添加时间戳
  5. 05汇总指标并保存输出

适用场景

  1. 01为 GitFlow Analytics 运行生成报告
  2. 02将 EDGAR JSON 结果导出为 CSV
  3. 03统一不同仓库的报告输出

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/bobmatnyc/claude-mpm-skills --skill reporting-pipelines

安装后在 Claude Code 中输入/reporting-pipelines确认已加载。

附带文件metadata.json

详细介绍

报告流水线

概述

各代码仓库中的报告模式都一致：运行 CLI 或脚本以生成结构化数据，然后将 CSV/JSON/Markdown 报告导出到 reports/ 或 tests/results/，文件名中附带时间戳。

GitFlow Analytics 模式

# Basic run
gitflow-analytics -c config.yaml --weeks 8 --output ./reports

# Explicit analyze + CSV
gitflow-analytics analyze -c config.yaml --weeks 12 --output ./reports --generate-csv

输出包括带日期后缀的 CSV 和 Markdown 叙述性报告。

EDGAR CSV 导出模式

edgar/scripts/create_csv_reports.py 读取 JSON 结果文件并生成：

  • executive_compensation_<timestamp>.csv
  • top_25_executives_<timestamp>.csv
  • company_summary_<timestamp>.csv

此脚本使用 pandas 进行排序和百分位计算。

标准流水线步骤

  1. 收集基础数据（CLI 或 JSON 工件）
  2. 规范化为行/记录
  3. 导出带时间戳后缀的 CSV/JSON/Markdown
  4. 在 stdout 中汇总关键指标
  5. 将输出存储在 reports/ 或 tests/results/ 中

命名约定

  • 使用 YYYYMMDD 或 YYYYMMDD_HHMMSS 后缀
  • 每个代码仓库使用一个输出目录（reports/ 或 tests/results/）
  • 优先使用明确的前缀（例如 narrative_report_、comprehensive_export_）

故障排除

  • 缺少输出：确保输出目录存在且可写。
  • CSV 文件过大：导出前进行筛选或汇总；保留汇总 CSV 以便快速查看。

相关技能

  • universal/data/sec-edgar-pipeline
  • toolchains/universal/infrastructure/github-actions

评论

支持 Markdown