结构化沉淀
Wiki 快照保留表格字段、映射、空值与源数据 lineage。
业务数据智能化 Skill 建设与乐搭落地汇报。把一次性表格处理,沉淀为可复用、可验证、可交付的业务能力。
先由业务端输出并清理数据表格,再用 Codex 生成 Wiki 数据库;梳理查数、对比等场景后交给 Codex 生成 Skill,连接 Wiki 与 Skill 进行提问验证和修改,最后进入 Skill Hub 与乐搭。
Wiki 快照保留表格字段、映射、空值与源数据 lineage。
覆盖指标计算、别名、#N/A、输入校验与源数据一致性。
按 Tablet / Moto 维度组织销量、战区、日期与活跃率分析。
这版先把数据表格、Wiki 数据库和业务场景整理好,再由 Codex 生成 Skill;连接 Wiki 与 Skill 提问验证、修改后,按 Skill Hub 准入规则提交上线,最后安装到乐搭。
先用 Codex 完成 Wiki 数据库和 Skill 的整理,再按 Skill Hub 的准入规则提交,最后下载并安装到乐搭,供日常使用。
先清理数据表格,再用 Codex 生成 Wiki 数据库;把查数、对比等场景整理清楚后,再交给 Codex 生成 Skill。
路径:数据整理 → 场景梳理 → Skill 生成连接 Wiki 与 Skill,通过提问验证结果并修改;符合 Skill Hub 准入规则后,再下载到乐搭使用。
方式:提问验证 · 准入发布 · 乐搭安装数据表格、Wiki 数据库、业务场景、Skill、测试问题和上线文件分步整理,后面检查或更新时更容易找到。
以下内容按新的 7 个步骤呈现,展示每一阶段的输入、处理与结果。
选择一个视角,快速查看对应阶段产物。
业务端输出数据表格,先清理无关数据,保留后续查询需要的内容。
围绕 `业务线`、`店面战区`、`上报日期`、`销量` 和校验字段建立字段契约,保留原始值与来源关系。
使用 AI 编程工具 Codex,把表格内容整理成 Wiki 数据库,供后续读取。
将 `table.json`、字段字典和来源日志组织为 Wiki 导航,后续查询读取同一份知识底座。
把查数、做对比等常见场景整理成具体问题和处理方法。
是否加入核算 = 是PO疑似异常 ≠ 是PO地址及时间校验是否达标最终 = 是SN活跃次数是否达标 = 是把字段选择、大小写映射、空值处理和活跃率公式整理为可执行规则,后续输出保持同一口径。
把整理好的业务场景交给 Codex,生成业务 Skill,并保留固定的计算方法。
基于 Wiki 数据库和业务场景,生成可查询的 Skill,并保留固定计算方法。
已按场景生成 Skill,创建以下文件:
› node scripts/calculate_metrics.js --business-line Tablet --store-zone 华北✓ Skill package ready · output contract checked已将常用查询维度与结果口径统一写入 Skill,获得一致、清晰的分析结果。
把 Wiki 知识库和 Skill 连接起来,通过提问验证结果,再根据结果修改。
每次规则或源数据变化,都重新执行同一批用例,确保结果与输出口径稳定一致。
Skill Hub 作为统一发布源,乐搭承接已上架版本;Wiki 连接、版本信息和回归记录共同支撑日常使用。
从数据表格清理、Wiki 数据库、业务场景、Skill 生成,到提问验证、Skill Hub 上传和乐搭安装,形成一条清楚的使用流程。
sales-query 已完成整理,后续进入 Skill Hub 上线流程。
Skill 上线后,DT 协助下载并安装到乐搭,接入 Wiki 知识库。
围绕销量、战区、日期和活跃率的固定问题集已完成验证,作为上线前回归依据。