一、背景
做业务分析的朋友们一定深有体会——每周/每月都要出报表。
以前手动从 ERP 导出 Excel，打开 PowerBI/Tableau，拉字段、选图表、排布局、调颜色……一套流程下来少说半天。后来换成 WPS 表格手动做，图表丑不说，数据源一更新又要重新拖一遍。
于是让 AI 来帮忙。结果它要么给你写一篇"文字分析报告"——满屏"数据显示""分析发现"，没有一张图；要么生成的 HTML 看板丑到辣眼睛——荧光绿的折线、刺眼的蓝背景，这哪敢给老板看？
"数据分析"和"商务报表"是两回事。 老板不在乎你用 Python 还是 ECharts，他们只想要一个"打开浏览器就能看、配色高级、数据一目了然"的看板。
但更深层的问题是：一份真正专业的报表，需要多个角色的协作——数据分析师要深入挖掘数据、设计师要排版布局、视觉设计师要调配色、质量审核员要严格把关。让一个 AI 角色包揽所有工作，难免顾此失彼。
这就是 Conspect 要解决的问题。
二、Conspect 是什么
Conspect 是一个全自动多源数据智能分析与商务报表渲染引擎，作为 Skill 使用。
它的核心理念是：用多角色 AI 协作体系，模拟一个完整的"报表生产团队"，全自动完成从原始 Excel 到专业商务报表的全链路流程。
一句话概括
告诉 AI Excel 路径 → AI 全自动分析/设计/渲染/审核 → 输出可直接开会投屏的专业报表。
三、如何使用 Conspect：上手流程
整个使用流程极其简单，用户只需要做最核心的两件事——告诉 AI Excel 的位置 + 提需求，剩下的全部交给 Conspect 自动完成。
第 1 步：调用 Skill 并指定数据文件
在 Trae IDE 的对话输入框中，直接告诉 AI 你的数据文件在哪里，以及你想做什么：
"帮我分析 D:/data/销售周报.xlsx，出一份周报看板"
"对比一下 C:/经营数据/这个月和上个月的 Excel，做一份投屏用的报表"
"把 E:/各部门/这三个部门的业绩数据合在一起做个排名看板"
Conspect 被激活后，会自动根据你提供的路径找到 Excel 文件，进入 7 阶段状态机全流程：
第 2 步：自动分析 → 用户确认
Conspect 会沿着你指定的路径自动找到文件，开始数据读取、清洗、维度识别、指标计算，然后将分析结果摘要展示给你确认。
你可以在这一步提出修改意见——比如"把饼图改成环形图"、"重点关注华东区域的趋势"、"配色用蓝色调"：
第 3 步：高级分析与智能选型
确认分析方向后，分析 Agent 会进一步启用高级分析模块进行深度挖掘——信息熵分析量化各维度影响力、分布形态分析判断数据偏态与极端值、集中度分析识别垄断风险、趋势分解与预测分析预判走向等。同时设计 Agent 会根据数据特征自动匹配最优图表类型（趋势→折线图、对比→柱状图、占比→饼图、分布→箱线图等），并由视觉设计师 Agent 审查配色和排版方案。
第 4 步：独立质量审核
设计方案通过后，实现 Agent 编码生成报表。此时质量审核 Agent 会以独立盲审的身份，对最终产物进行多维度严格检查：
| 审核项 | 检查内容 | 不通过后果 |
|---|---|---|
| 数据一致性 | 图表数值是否与原始数据一致 | 打回重做 |
| 图表完整性 | 图表是否正常显示、无空白 | 打回重做 |
| 数据安全 | HTML 中是否嵌入了原始明细 | P0 阻断，强制修复 |
| 商务合规 | 排版/配色/字体是否规范 | 回退到设计阶段 |
| 规范化检查 | 是否使用了 emoji 等违规内容 | 打回重做 |
审核通过后才进入交付环节，审核不通过则打回对应阶段修复，最多重试 2 次。
第 5 步：获取最终报表
所有流程审核通过后，Conspect 交付最终成品报表：
- 交互式 Web 看板：打开浏览器即可使用，支持 hover/筛选/联动
- 离线 HTML：单文件可发邮件，无需联网打开
之前提的需求，要求增加用户画像分析的雷达图也有了
报表中不仅包含专业图表，还附带实战级的数据分析结论可供参考：
完整的 5 步流程：告诉 AI Excel 路径 → 确认分析方向 → 高级分析与选型 → 独立质量审核 → 拿报表。 不需要手动上传，不需要学习任何操作，每个环节都有 AI 自动把关。
四、核心特色：多角色 AI 协作体系
Conspect 最大的特色，是它内部没有一个"万能 AI"，而是由 7 个专业角色 Agent 分工协作。每个角色各司其职，互相审核，确保最终产出的报表质量。
角色总览
| 角色 | 职责 | 对应传统团队中的谁 |
|---|---|---|
| 主控 Agent | 全局调度、状态流转、文件管理、用户交互 | 项目经理 |
| 分析 Agent | 数据清洗、维度分析、指标计算、图表选型 | 数据分析师 |
| 设计 Agent | 图表布局、排版方案、配色选择 | 报表设计师 |
| 视觉设计师 Agent | 审查视觉风格合规性（配色/字体/布局） | 视觉设计师 |
| 实现 Agent | 编码生成 HTML/PDF/PNG 产物 | 前端开发 |
| 验证 Agent | 多维度验证数据一致性和渲染完整性 | 测试工程师 |
| 质量审核 Agent | 独立盲审各阶段产物，发现问题打回重做 | 质量保障(QA) |
这 7 个角色并非同时工作，而是按 7 阶段状态机顺序接力。与你前面用的 5 步流程对应关系如下：
| 用户感知的 5 步流程 | 背后的状态机阶段 | 主导角色 |
|---|---|---|
| 第 1 步：调用 Skill | 开始 | 主控 Agent |
| 第 2 步：自动分析 → 用户确认 | 分析 → 确认 | 分析 Agent → 用户 |
| 第 3 步：高级分析与智能选型 | 设计 | 设计 Agent、视觉设计师 Agent |
| 第 4 步：独立质量审核 | 实现 → 验证 | 实现 Agent、验证 Agent、质量审核 Agent |
| 第 5 步：获取最终报表 | 完成 | 主控 Agent |
开始 → 分析 → 确认(用户) → 设计 → 实现 → 验证 → 完成
每个阶段由一个或两个 Agent 负责，产出物经过质量审核 Agent 审核后才能进入下一阶段。审核不通过则打回重做，最多重试 2 次。
五、分析 Agent：专业数据分析师的硬核能力
分析 Agent 是 Conspect 的技术核心。它的设计参考了专业数据分析师的工作方法，从多个角度、多个层次深入挖掘数据。
5.1 五维分析角度（覆盖全面）
对于每一份数据，分析 Agent 会从 5 个角度 进行扫描：
| 角度 | 核心问题 | 分析方法 | 输出示例 |
|---|---|---|---|
| A1 对比分析 | 谁好谁差？差距多大？ | 排名、分组聚合、Top/Bottom N | 排名表、分组柱状图 |
| A2 结构分析 | 由什么组成？各部分占比？ | 占比计算、层级钻取、帕累托分析 | 饼图、旭日图 |
| A3 趋势分析 | 走向如何？速度多快？ | 同比/环比、移动平均、趋势评估 | 折线图、面积图 |
| A4 关联分析 | 什么因素影响什么？ | 相关性、交叉聚合、条件分组 | 散点图、热力图 |
| A5 异常分析 | 哪里不对劲？哪里反常？ | IQR 检测、突变点检测 | 箱线图、预警表 |
每次分析至少覆盖 3 个角度（A1 对比和 A3 趋势为必选），确保不遗漏重要维度。
5.2 四级分析深度（层层下钻）
不只做表面分析，而是从宏观到微观逐层深入：
L1 概览层 → "整体怎么样？核心指标是什么？"
↓ 下钻
L2 分解层 → "哪里贡献大？哪里拖后腿？"
↓ 下钻
L3 明细层 → "具体是谁？具体什么时间？"
↓ 下钻
L4 根因层 → "为什么会这样？是什么驱动的？"
每个核心发现都必须设计至少 2 条下钻路径，确保结论可追溯、可验证。
5.3 六个高级分析模块（真正的"高级分析师"）
这是 Conspect 区别于普通报表工具的硬核能力。分析 Agent 会根据数据特征，自动启用以下高级分析模块：
| 高级分析模块 | 做什么 | 什么时候自动启用 |
|---|---|---|
| 信息熵分析 | 量化各维度对核心指标的影响力，输出"维度影响力排行榜" | 有 ≥ 2 个分类维度 + 数值指标 |
| 贪心优化分析 | 在资源受限场景下寻求最优解，如 Top-K 维度筛选、资源分配优化 | 维度数 ≥ 5 |
| 分布形态分析 | 分析数值指标的偏度/峰度/变异系数，判断数据是否正态、是否存在极端值 | 有数值指标，数据行数 ≥ 30 |
| 集中度与公平性分析 | 计算 CR4/HHI/基尼系数/帕累托指数，识别垄断或失衡风险 | 有分类维度 + 数值指标 |
| 趋势分解与预测分析 | 移动平均/指数平滑/季节性检测/短期线性预测 | 有连续时间维度，时间点 ≥ 6 |
| 帕累托分析 | 判断是否符合二八法则，识别头部集中效应 | 集中度判定为"中度"及以上 |
普通分析 vs 高级分析的区别：
| 对比项 | 普通分析 | 高级分析（信息熵/贪心/分布/集中度等） |
|---|---|---|
| 分析深度 | 表层统计（合计/均值/排名） | 深层结构（信息量/优化/公平性/预测） |
| 输出内容 | 基础图表（柱状图/折线图/饼图） | 专业图表（雷达图/帕累托图/箱线图/洛伦兹曲线） |
| 业务价值 | "数据是什么" | "数据为什么是这样 + 应该怎么办" |
| 适用用户 | 日常汇报 | 深度分析、管理决策 |
简单来说：普通分析告诉你"上个月销售额 1000 万，A 产品线最高"；高级分析告诉你"A 产品线其实是靠前 3 个大客户撑起来的，集中度风险很高，建议分散客户结构"。
六、设计 Agent + 视觉设计师 Agent：专业审美保障
报表不仅要数据准确，还要看着高级。
6.1 图表自动选型
设计 Agent 根据数据特征，自动匹配最适合的图表类型，规则明确：
| 你的数据 | AI 自动选择 |
|---|---|
| 趋势数据（时间+数值） | 折线图 |
| 对比数据（分类+数值） | 柱状图 |
| 占比数据（分类+占比） | 饼图/环形图 |
| 排名数据 | 条形图（横向） |
| 相关性（两个数值列） | 散点图 |
| 关键指标汇总 | KPI 大卡片 |
| 多维度信息量对比 | 雷达图 |
| 不平等程度分析 | 洛伦兹曲线 |
| 趋势预测 | 多折线图 + 置信区间 |
6.2 商务级视觉规范
设计完成后，视觉设计师 Agent 会独立审查配色、字体、布局是否合规：
- 配色：5 套商务主题（沧海/朝霞/极光/森林/极简），低饱和蓝白主色调，绝不出现荧光色
- 布局：顶部 KPI 卡片 → 中部图表矩阵（基础分析 + 高级分析）→ 底部数据结论
- 数据解读：每个图表下方强制附带 1-3 句白话业务解读
- 安全红线：原始明细数据不上前端，HTML 仅含聚合 JSON
七、实现 Agent + 验证 Agent：多端输出与质量保障
7.1 三种输出形态
| 形态 | 用途 | 特点 |
|---|---|---|
| 交互式 Web 看板 | 会议投屏、数据分析 | 支持 hover/筛选/联动/下钻 |
| 轻量化离线 HTML | 发给老板、邮件发送 | 单文件，零外部依赖，可离线打开 |
| PDF 高清长图 | 正式汇报、打印归档 | A4 横向排版，支持多页 |
7.2 双重质量保障
Conspect 设有两层质量把关：
第一层：验证 Agent（技术验证） — 在每个阶段内部执行，确保技术实现正确：
- 数据源完整性：是否覆盖所有 Sheet/文件
- 维度识别准确率：是否有误识别
- 指标计算正确性：同比/环比/占比等是否计算正确
- 图表选型合理性：数据特征与图表类型是否匹配
- 渲染完整性：图表能否正常显示、排版是否错乱
- 数据安全性：HTML 中是否泄漏了原始明细
第二层：质量审核 Agent（独立盲审） — 不受主流程影响，站在用户视角做最终质量门禁。也就是你在第 4 步流程中看到的"独立质量审核"环节，发现问题直接打回对应阶段修复。
两项检查均通过，产物才能进入下一阶段或交付。
八、总结
Conspect 的本质，是用多角色 AI 协作模拟一个完整的报表生产团队：
- 分析 Agent 像资深数据分析师，从 5 个角度、4 个层次深度挖掘数据，还能启用信息熵、帕累托等高级分析
- 设计 Agent + 视觉设计师 像专业报表设计师，确保排版美观、配色商务
- 实现 Agent 像前端开发，生成可直接使用的 HTML/PDF
- 验证 Agent 像测试工程师，逐项检查数据准确性和渲染完整性
- 质量审核 Agent 像独立 QA，站在用户视角做最终盲审，杜绝问题产物流出
最终交付的不是"一份 AI 生成的粗糙页面"，而是一个可开会投屏、可发给老板、可离线打开、数据准确安全的专业商务报表。
九、二创方向：Conspect 值得扩展的能力
Conspect 目前的核心定位是"Excel 进 → 报表出"，但它的底层架构（多角色 Agent 协作 + 数据流水线 + 渲染引擎）具有很好的扩展性。以下是值得深入的方向：
方向一：数据源扩展
| 拓展方向 | 说明 | 价值 |
|---|---|---|
| 数据库直连 | 支持 MySQL/PostgreSQL/SQL Server 等数据库作为数据源 | 可对接企业 ERP/CRM 系统，实现实时报表 |
| API 数据接入 | 支持 REST API/GraphQL 接口数据拉取 | 可对接钉钉审批、飞书多维表格、金蝶云等 SaaS 数据 |
| 定时自动拉取 | 配置 cron 表达式，定时从数据源拉取最新数据生成报表 | 实现"订阅制"周报/月报自动推送 |
| 云存储对接 | 支持从阿里云 OSS / 腾讯云 COS / AWS S3 读取数据文件 | 适配已有云上数据管线的企业 |
方向二：输出形态增强
| 拓展方向 | 说明 |
|---|---|
| PPT 导出 | 将报表图表自动排版为 PPT 幻灯片，直接用于汇报 |
| Word 报告 | 生成带图表的 Word 格式分析报告，适合存档和打印 |
| 邮件自动发送 | 报表生成后自动通过企业微信/钉钉/飞书/邮箱发送给指定人员 |
| 移动端适配 | 生成手机端可流畅查看的轻量版看板 |
方向三：分析能力深化
| 拓展方向 | 说明 |
|---|---|
| 自然语言问数 | 用户可以直接问"上个月华东区销售额是多少"，AI 自动查数回答 |
| 预测模型集成 | 引入 Prophet / ARIMA 等时间序列预测模型，提升预测准确度 |
| 异常自动告警 | 当最新数据出现显著偏离时，自动标记并推送告警 |
| 多语言报表 | 支持英文、日文等多语言报表生成，适配国际化业务 |
方向四：行业定制化
| 行业 | 定制方向 |
|---|---|
| 零售电商 | GMV 看板、SKU 动销分析、库存周转预警、RFM 客户分层 |
| 制造业 | 生产良率看板、OEE 设备效率、供应链交付分析 |
| 医疗 | 门诊量分析、药品消耗趋势、科室运营指标 |
| 教育 | 学生成绩分布、招生趋势、教师教学质量分析 |
| 金融 | 风险指标看板、客户资产分析、交易异常监控 |
| SaaS/互联网 | DAU/MAU 趋势、用户留存分析、付费转化漏斗 |
方向五：团队协作与权限
| 拓展方向 | 说明 |
|---|---|
| 多人协作 | 支持团队成员共同编辑报表配置、添加批注 |
| 角色权限 | 不同角色看到不同数据范围（如区域经理只看本区域数据） |
| 报表订阅 | 定时推送报表到指定人员，无需手动触发 |
| 历史版本 | 报表修改历史可追溯，支持版本回退 |
方向六：交互式体验增强
| 拓展方向 | 说明 |
|---|---|
| 看板内下钻 | 点击图表中的柱子/扇区，自动弹出更细粒度的子图表 |
| 自定义筛选器 | 用户在看板中自由选择时间范围、区域、产品线等筛选条件 |
| 看板导出为图片 | 一键导出当前看板为高清 PNG，插入 PPT 或文档 |
| 全屏大屏模式 | 适配 1920x1080 大屏展示，支持轮播多页看板 |
以上二创方向，Conspect 现有的 7 角色架构 + 数据流水线 + 渲染引擎可以直接复用，扩展成本远低于从零开发。感兴趣的同学可以基于 Conspect 的 Agent 体系快速构建自己的行业定制版本。
项目仓库：github.com/songzhou666… — 完整的 Skill 源码和文档，可直接 fork 进行二创。
Skill 地址
Conspect 可通过以下方式获取：
- AI IDE：在对话中直接输入数据分析/报表需求即可自动激活
- GitHub 仓库：github.com/songzhou666…（完整源码，可用于二创）
- 直接下载：github.com/songzhou666…
使用方式：告诉 AI 你的 Excel 文件路径和需求（如"帮我分析 D:/data/销售周报.xlsx，出一份周报看板"），Conspect 自动进入 7 阶段全流程处理。
