dingtalk-ai-table-insights

钉钉 AI 表格跨表格洞察分析。支持按关键词筛选特定业务/项目的 AI 表格，进行综合分析，识别风险点、数据异常、业务洞察。Use when user wants to analyze multiple AI tables by keyword/topic for insights, risks, and anomalies.

Safety Notice

This listing is from the official public ClawHub registry. Review SKILL.md and referenced scripts before running.

Copy this and send it to your AI assistant to learn

Install skill "dingtalk-ai-table-insights" with this command: npx skills add tomray4ai/dingtalk-ai-table-insights

AI 表格跨表格洞察技能

核心功能

设计理念： 让用户专注特定业务/项目，而非被时间限制。

  • 关键词筛选 - 按业务/项目名称筛选相关表格
  • 跨表格分析 - 同时分析多个表格，发现关联
  • 风险识别 - 自动识别异常和高风险项
  • 洞察报告 - 生成可执行的业务建议
  • 大模型分析 - 默认使用大模型进行深度分析，发现人眼难以察觉的洞察

使用方法

基本用法

# 业务线分析（默认使用大模型）
python3 scripts/analyze_tables.py --keyword "销售"
python3 scripts/analyze_tables.py --keyword "市场"

# 项目追踪
python3 scripts/analyze_tables.py --keyword "华东项目"

# 职能分析
python3 scripts/analyze_tables.py --keyword "招聘"
python3 scripts/analyze_tables.py --keyword "预算"

# 全局扫描
python3 scripts/analyze_tables.py

# 使用本地模板（不使用大模型）
python3 scripts/analyze_tables.py --keyword "销售" --no-llm

使用场景

场景关键词价值
业务线分析销售 、市场、 客服专注特定业务的健康度
项目追踪项目 A、华东区跟踪特定项目的整体进展
职能分析招聘 、预算、 采购职能维度的数据洞察
全量扫描不指定全局风险排查

🤖 大模型分析能力

默认启用 - 脚本会自动尝试使用大模型进行深度分析：

  • 深度洞察 - 发现数据间的关联和模式
  • 智能风险识别 - 基于上下文识别潜在风险
  • 个性化建议 - 根据数据特点生成针对性行动建议
  • 自然语言报告 - 更流畅、更易读的报告输出

调用方式：

  1. 检测 OpenClaw 会话环境
  2. 使用 openclaw agent 调用大模型
  3. 超时或失败时自动降级

降级方案 - 如果大模型不可用（超时/无响应/环境限制），自动降级使用本地模板生成报告。

手动控制 - 使用 --no-llm 参数强制使用本地模板（更快，但分析深度有限）。

注意 - 大模型分析需要 30-90 秒，取决于数据量和模型响应速度。

分析维度

🔍 数据一致性检查

跨表格对比相同指标，发现矛盾：

  • 销售表 vs 财务报表的收入差异
  • 项目进度表 vs 周报的完成度不一致
  • 客户状态在不同表格中的冲突

💡 趋势洞察

从多个表格中发现关联：

  • 招聘增加 → 差旅费上涨
  • 项目延期 → 成本超支
  • 客户投诉 → 销售下滑

🚨 风险预警

优先关注的问题：

  • 高金额订单处于高风险状态
  • 关键指标连续恶化
  • 资源分配不平衡

📋 行动建议

具体可执行的建议：

  • 做什么 + 谁来做 + 何时完成 + 预期结果

脚本参数

参数说明默认值
--keyword表格名称关键词筛选无（全量）
--output输出文件路径无（打印到终端）
--format输出格式（markdown/json）markdown
--limit每个数据表抽样记录数100
--no-cache禁用缓存，强制刷新否
--clear-cache清除缓存后退出否
--no-llm不使用大模型，使用本地模板否（默认使用大模型）

输出示例

## 📊 AI 表格洞察报告

**筛选关键词**: 销售
**分析表格数**: 5 个
**数据记录数**: 128 条

### 📋 分析范围
- 销售管理表格
- 销售日报
- 销售目标追踪表

### 🚨 风险预警
1. **高优先级**: 3 个大额订单状态"待跟进"超过 72 小时

### 📋 行动建议
- 今天内联系王五，确认 28k 订单进展

依赖说明

🏗️ 架构说明

本技能依赖 dingtalk-ai-table 技能，MCP 配置由该技能统一管理。

dingtalk-ai-table-insights (本技能)
    ↓ 依赖
dingtalk-ai-table (基础技能 - 管理 MCP 配置)
    ↓
钉钉 AI 表格 MCP 服务器

必需依赖

1. dingtalk-ai-table 技能

  • 作用 - MCP 配置管理、数据读取 API 封装
  • 安装 - clawhub install dingtalk-ai-table
  • 配置 - 详见该技能的配置文档

2. 二进制文件

  • python3 - Python 3.7+ 运行环境
  • mcporter - MCP 客户端工具（与 dingtalk-ai-table 共享配置）

配置说明

⚠️ 重要：保护敏感信息

MCP 配置包含访问令牌，请勿将配置文件发布到公开仓库。

MCP 配置位置： <workspace>/config/mcporter.json

配置责任：

  • ✅ dingtalk-ai-table - 负责 MCP 配置
  • ✅ dingtalk-ai-table-insights - 复用配置，无需重复配置

环境变量（可选）：

  • DINGTALK_MCP_CONFIG - 自定义 MCP 配置文件路径

配置模板：

{
  "mcpServers": {
    "dingtalk-ai-table": {
      "baseUrl": "https://mcp-gw.dingtalk.com/server/YOUR_ID?key=YOUR_KEY"
    }
  }
}

安全建议：

  1. 将 config/mcporter.json 添加到 .gitignore
  2. 使用配置模板 config/mcporter.json.example 分享配置格式
  3. 不要将真实 URL 和 Key 提交到版本控制

权限说明

  • 需要钉钉 AI 表格的读取权限
  • 仅读取表格数据，不修改任何内容
  • 数据仅在分析过程中使用，不存储

权限说明

  • 需要钉钉 AI 表格的读取权限
  • 仅读取表格数据，不修改任何内容
  • 数据仅在分析过程中使用，不存储

安全说明

数据处理

  • ✅ 只读操作 - 仅读取表格数据，不修改
  • ✅ 本地分析 - 所有分析在本地执行
  • ✅ 无数据留存 - 分析结果不上传外部服务
  • ⚠️ Token 安全 - MCP token 需妥善保管

权限最小化

  • 仅需表格读取权限
  • 不需要写入/删除权限
  • 不需要用户个人信息

数据抽样

  • 每个数据表默认读取前 100 条记录
  • 避免大量数据传输
  • 降低 token 消耗
  • 可通过 --limit 参数调整

大数据量处理（v1.2.0 新增）

  • ✅ 分页读取 - 自动使用分页（每页 50 条）处理大数据表
  • ✅ 游标支持 - 使用 cursor 参数连续读取所有数据
  • ✅ 临时文件 - 使用临时文件避免 JSON 截断问题
  • ✅ 自动合并 - 自动合并所有分页数据

限制说明

已知限制

  1. 访问记录 - 钉钉无用户访问记录 API，无法按"最近访问"筛选
  2. 权限问题 - 部分表格可能因 token 权限无法访问，脚本会优雅跳过
  3. 数据量 - v1.2.0 已解决，支持分页读取大数据表

未来规划

  • 支持多关键词组合筛选
  • 支持正则表达式匹配
  • 支持排除关键词
  • 钉钉定时推送集成
  • 分页读取大数据表（v1.2.0 已实现）

文件结构

dingtalk-ai-table-insights/
├── SKILL.md                          # 技能说明（本文件）
├── scripts/
│   └── analyze_tables.py             # 核心分析脚本
└── references/
    ├── examples.md                   # 使用示例
    ├── quickstart.md                 # 快速开始指南
    └── prompt_design.md              # Prompt 设计指南

故障排查

表格显示"权限不足"

  • 检查表格是否已分享给正确的组织
  • 确认 MCP token 有效性
  • 跳过无权限表格，继续分析其他表格

分析结果为空

  • 确认关键词能匹配到表格
  • 尝试不使用关键词进行全量扫描
  • 检查表格中是否有数据

运行缓慢

  • 使用 --keyword 筛选表格
  • 减少 --limit 抽样数量
  • 分析时间通常 1-3 分钟，取决于表格数量
  • 使用缓存可加速表格列表获取（默认 5 分钟）

缓存问题

  • 清除缓存：--clear-cache
  • 强制刷新：--no-cache
  • 缓存位置：~/.cache/dingtalk-ai-table-insights/

dingtalk-ai-table 未安装

# 安装依赖技能
clawhub install dingtalk-ai-table

# 验证安装
clawhub list

读取数据失败

  • 确认 dingtalk-ai-table skill 已正确安装
  • 检查表格 ID 是否正确
  • 确认数据表名称（自动获取，不再硬编码）
  • 大数据表 - v1.2.0 已支持分页读取，自动处理

相关资源

  • 使用示例: references/examples.md
  • 快速开始: references/quickstart.md
  • 依赖说明: references/dependencies.md
  • Prompt 设计: references/prompt_design.md

版本历史

v1.6.9 (2026-03-02)

  • ✅ 大模型分析完全修复 - 使用 --agent main 成功调用 LLM
  • 📊 详细数据样本 - 发送每个表格的数据表分布和实际记录样本
  • 🔧 JSON 解析增强 - 正确解析 result.payloads[0].text 格式
  • 📝 完整 LLM 报告 - 包含深度分析、风险识别、行动建议

v1.6.8 (2026-03-02)

  • 🔧 会话 ID 自动获取 - 从 sessions list 获取并传递给 agent
  • 📡 --session-id 参数 - 明确指定会话避免路由错误

v1.6.7 (2026-03-02)

  • 🔧 调用参数修复 - 使用 --message 长格式（参考 analyze_with_llm.py）
  • ⏱️ 超时优化 - 120 秒超时，支持更长分析

v1.6.6 (2026-03-02)

  • 🔧 会话 ID 修复 - 正确解析 sessions list 输出
  • 📡 使用 --session-id - 通过 session-id 调用大模型

v1.6.5 (2026-03-02)

  • 🔧 大模型调用修复 - 添加 -m 参数到 openclaw agent 命令
  • 📡 调试信息 - 显示使用的调用方式

v1.6.4 (2026-03-02)

  • 📝 数据示例优化 - 跳过系统字段，避免显示 JSON 和复杂数据
  • 🔍 字段验证 - 确保提取的内容有意义
  • ✅ 更清晰的报告 - 数据示例更易读

v1.6.3 (2026-03-02)

  • 🔧 大模型调用优化 - 改进 openclaw agent 调用方式
  • 📝 数据示例增强 - 支持更多字段名，避免显示"无"
  • ✅ 技术说明准确 - 动态显示实际抽样数量

v1.6.2 (2026-03-02)

  • 🎯 数据抽样优化 - 每个数据表最多 100 条（之前 50 条）
  • ⚡ 性能提升 - 平衡分析质量与处理速度
  • 💾 降低消耗 - 减少 token 使用和内存占用

v1.6.1 (2026-03-02)

  • 🎯 分析方式透明化 - 报告中明确显示大模型调用状态
  • 📝 错误信息输出 - 大模型失败时在报告中显示具体原因
  • 🔧 状态追踪 - analyze_with_llm 返回 (报告，状态) tuple
  • ✅ 用户友好 - 无需猜测报告是如何生成的

v1.3.0 (2026-02-28)

  • 🎉 大模型分析 - 默认使用大模型进行深度分析
  • 🆕 --no-llm 参数 - 可选择使用本地模板
  • 🔄 多级降级 - OpenClaw 会话 → MCP 大模型 → 本地模板
  • 📝 详细日志 - 改进错误处理和日志输出
  • 📄 更新日志 - 新增 CHANGELOG.md

v1.2.0 (2026-02-28)

  • ✅ 分页读取 - 支持大数据表分页读取（limit + cursor）
  • ✅ 临时文件 - 使用临时文件避免 JSON 截断
  • ✅ 自动合并 - 自动合并所有分页数据
  • ✅ 修复 - 解决大数据量 JSON 解析失败问题

v1.1.0 (2026-02-28)

  • ✅ 自动 Sheet 检测 - 使用 list_base_tables API 获取 Sheet 列表
  • ✅ Sheet ID 支持 - 优先使用 Sheet ID，避免中文编码问题
  • ✅ 缓存机制 - 表格列表 5 分钟缓存
  • ✅ 重试机制 - 网络错误自动重试（最多 3 次）
  • ✅ 错误处理 - 区分权限错误和业务错误

v1.0.0 (2025-02-28)

  • 初始版本发布
  • 技能命名：dingtalk-ai-table-insights
  • 支持关键词筛选
  • 四维分析框架（一致性、趋势、风险、建议）
  • 钉钉 AI 表格 MCP 集成（使用 dingtalk-ai-table skill）

Source Transparency

This detail page is rendered from real SKILL.md content. Trust labels are metadata-based hints, not a safety guarantee.

Open Registry RecordOpen in ClawHub

Related Skills

Related by shared tags or category signals.

General

Multi Edge-TTS CN

Edge-TTS 在线语音合成 skill。基于微软 Edge TTS 引擎，生成速度快（1-2秒），支持多种音色和输出格式。同时支持飞书（OGG/Opus）和企业微信（AMR）。默认音色 xiaoxiao_lively。需联网。

Registry SourceRecently Updated
00itian932
General

vedic-destiny

吠陀命盘分析中文入口。用于完整命盘研判、命主盘 Rashi chart 与九分盘 Navamsha chart 联读、既往事件回看、出生时间稳定度判断、事业主题、婚姻主题、时空盘专题，以及基于 Jagannatha Hora PDF、星盘截图或文本命盘数据的系统拆盘。当用户提到完整星盘、事业方向、婚姻问题、关系窗...

Registry SourceRecently Updated
00seanding1998
General

One Person Company OS

Build a visual operating cockpit for an AI-native one-person company across promise, buyer, product, delivery, cash, learning, and assets. / 为 AI 一人公司建立可视化经营...

Registry SourceRecently Updated
4831living-hi
General

健康追踪

健康追踪技能 - 追踪饮水、睡眠、步数等健康数据，JSON存储。

Registry SourceRecently Updated
00534422530