前言¶

直播或游戏业务里，「趣味玩法」营收周报往往要同时处理多份后台导出、邮件分表和活动排期表。人工按固定口径洗数、算环比、写归因，再对照模板查格式，一轮下来容易在环节之间串口径或漏校验。若把「只洗数、只算数、只分析、只校验」拆成可复用的 Agent 指令，并把表结构、字段顺序写死在 Skill 里，Agent 按步骤执行会更稳。下面介绍 SkillHub 社区 Skill dp-qianghuaban（坐标 @user_9775ba75/dp-qianghuaban，版本 1.0.0）的做法与安装方式。

这是什么¶

dp-qianghuaban 在包内 SKILL.md 中的定位是「趣味玩法营收周报自动化全流程 Skill（Skill1–Skill4 完整合一版）」：把周报生产拆成四段固定流水线——数据清洗 → 指标计算 → 标准化分析与归因 → 周报格式与数据校验。发布者为 SkillHub 用户 user_9775ba75，来源为 community，分类为 dev-programming；页面标注 requires_api_key=false，不依赖额外 API Key。

核心功能¶

总流程在 Skill 中写为一条链，且每段职责隔离：

1. Skill1 数据读取与清洗：读取原始文件，按用户指定的 14 天时间段筛选，去空、按日期对齐，输出干净数据集；不做指标计算。
2. Skill2 核心指标计算：基于 Skill1 输出，划分「上周 / 本周」各 7 天，并结合 玩法组规划时间表.xlsx 识别「春季头条/精英赛」活动日，计算非活天数；产出入金出金双折线趋势图、表 1（周期定义）、表 2（核心数据汇总，含周环比与非活对比）。
3. Skill3 标准化数据分析与归因：只读 Skill2 结果，按固定方法论写分析（时间维度、玩法结构、用户分层、归因要素、整体总结），输出结构固定的 Markdown 周报，不改动数值。
4. Skill4 周报输出校验：对照模板检查标题与表格行列、字段顺序，并对环比公式、单位（万元、整数人数、百分比）及「趣味总金额 ≈ 延迟趣味 + 即刻趣味」等逻辑做验算，只输出校验报告，不修改周报正文。

包内还提供参考文档（如 references/output_format.md、analysis_method.md）及 Python 脚本（scripts/data_cleaner.py、metrics_calculator.py、report_validator.py），与上述四段定义对应；requirements.txt 当前为空，实际跑脚本时需自行安装 Skill 中隐含的依赖（如 pandas、matplotlib）。

Skill1 约定的原始输入文件名包括：

• 后台模板数据.csv
• 后台数据表格.csv
• 趣味玩法邮件表格.xlsx（剔除「总概」「检测」分表，仅处理 7 个指定分表）
• 玩法组规划时间表.xlsx（全程不改动）
• 用户指定的 14 天时间段（格式示例：YYYY-MM-DD 至 YYYY-MM-DD）

安装与启用¶

Skill 遵循通用 SKILL.md 格式，通过 SkillHub CLI 安装到当前 Agent 的 skills 目录后，由 Agent 读取指令执行。官方页面给出的安装提示为：参照 SkillHub 安装说明 安装坐标 @user_9775ba75/dp-qianghuaban。

1、检查或安装 SkillHub CLI

command -v skillhub && skillhub --version

未安装时可按安装文档执行（完整安装示例）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

2、安装本 Skill

安装时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被识别：

skillhub install dp-qianghuaban --namespace user_9775ba75 --dir <你的 skills 目录>

常见路径（来自 SkillHub 安装文档）：Cursor 为 ~/.cursor/skills/；Claude Code 为 ~/.claude/skills/；Codex 为 ~/.codex/skills/ 或项目下的 .agents/skills/。安装后按所用客户端要求重启或刷新 Agent，使 Skill 生效。

典型用法¶

方式一：由 Agent 按 SKILL.md 全流程驱动

1. 将上述四类原始文件放到约定目录（或按你方项目结构组织，但在对话中明确路径）。
2. 在对话中给出 14 天统计区间，例如：2026-03-19 至 2026-04-01。
3. 要求 Agent 严格按 Skill1 → Skill2 → Skill3 → Skill4 顺序执行，并遵守「各段不越权」（Skill1 不计算、Skill3 不改数、Skill4 只校验）。
4. 最终交付物为：趋势图说明、表 1、表 2、四段结构化分析，以及 Skill4 的《周报校验报告》（合格 / 不合格结论）。

方式二：分步调用包内脚本（与 Skill 定义对齐）

Skill1 脚本 data_cleaner.py 的模块说明示例：输入为 14 天时间段字符串（如 2026/3/19 至 2026/4/1）与 raw_data/ 下原始文件，输出为 clean_data/ 下清洗结果。可在项目目录中按该约定准备 raw_data 后，由 Agent 或本地 Python 环境调用（需自行补齐 pandas 等依赖）。

Skill2 metrics_calculator.py 默认从 ./clean_data 读取，向 ./metrics_output 写入趋势图与表 1、表 2 的 Markdown。

Skill4 report_validator.py 接收 Skill3 产出的周报 Markdown 与 Skill2 的指标结果路径，生成标准化校验报告；具体比对逻辑以脚本与 SKILL 第四节描述为准。

归因与版式细节以 references/ 下模板为准，例如最终周报必须包含「一、入金出金趋势图」至「四、数据分析」五个固定小节标题。

适用场景与注意¶

适合谁

• 已有一套固定的「趣味玩法」后台导出与邮件分表，且周报模板、字段顺序、环比口径与 Skill 内描述一致的业务或数据同学。
• 希望用 Agent 固化「洗数—算指标—写归因—校验」分工，减少手工串表和模板漏项的团队。

限制与注意

• 口径强绑定：活动名称为「春季头条/精英赛」、邮件分表名单、表 2 字段顺序等均在 Skill 中写死，换业务线或改模板需改 Skill 或 fork 后维护。
• Skill2 对环比绝对值大于 50% 要求标注「异常波动，需业务确认具体原因」；Skill4 任意校验失败则综合结论为不合格。
• SkillHub 页面当前可见统计（以抓取资料为准）：评分 100000，下载 957，安装 0；安装量低不代表 Skill 不可用，但社区维护节奏需自行关注版本更新。
• 官方 API 地址 https://api.skillhub.cn/user_9775ba75/dp-qianghuaban 对浏览器直接 GET 可能返回 405；浏览与安装以 SkillHub 站点页面及 CLI 为准。

结尾¶

dp-qianghuaban 把趣味玩法营收周报拆成四段互不越权的 Agent 流水线，并附带脚本与输出格式参考，适合在口径稳定的前提下用 Skill 约束 Agent 行为。需要安装或查看元数据时，可打开 SkillHub 页面：https://www.skillhub.cn/skills/user_9775ba75/dp-qianghuaban 。