Multi-Skill-Zusammenarbeitsworkflow

Dieses Projekt integriert die ersten drei praxisorientierten Projekte in einen vollständigen Workflow zur "Erstellung von Datenberichten".

Ziel: Multi-Skill-Orchestrierung beherrschen und lernen, wie man einen Orchestrierungs-Skill entwirft, der den Gesamtworkflow koordiniert.


Workflow-Ziel

Der Benutzer lädt eine Geschäftsdaten-Datei hoch, und das System erledigt automatisch die folgenden End-to-End-Aufgaben und liefert schließlich einen vollständigen Geschäftsbericht.

User uploads file .csv / .xlsx Data cleaning data-cleaner Summary generation doc-summarizer Report output Excel + Summary Deliver to user present_files

Designprinzipien für den Orchestrierungs-Skill

Der Orchestrierungs-Skill führt keine spezifische Geschäftsverarbeitung durch; er ist nur dafür verantwortlich, die Ausgaben anderer Skills zu planen, Zwischenergebnisse weiterzugeben und dem Benutzer an wichtigen Punkten den Fortschritt zu melden.

Was der Orchestrierungs-Skill tutWas der Orchestrierungs-Skill nicht tut
Sub-Skill-Skripte der Reihe nach aufrufenBereits in Sub-Skills vorhandene Funktionalität neu implementieren
Dateipfade zwischen Schritten weitergebenDateninhalte direkt manipulieren
Gesamtfortschritt an den Benutzer meldenFokus auf interne Details eines einzelnen Schritts
Remediation-Logik nach Schrittfehlern behandelnAusnahmen innerhalb von Sub-Skills abfangen

Orchestrierungsskript

Beispiel

# Dateipfad: scripts/orchestrator.py
# Orchestrierungs-Einstiegsskript für die Multi-Skill-Zusammenarbeit

import subprocess
import sys
import json
import os
import shutil

SKILLS_BASE  = "/mnt/skills/public"
WORK_DIR     = "/home/claude/report_work"
OUTPUT_DIR   = "/mnt/user-data/outputs"

def run(script_path: str, *args) -> dict:
    """Führe das angegebene Skript aus und gib das JSON-Ergebnis zurück"""
    cmd    = [sys.executable, script_path] + list(args)
    result = subprocess.run(cmd, capture_output=True, text=True, timeout=120)
    try:
        return json.loads(result.stdout)
    except json.JSONDecodeError:
        return {
            "status":  "error",
            "message": result.stderr or result.stdout or "Skript hat keine Ausgabe"
        }

def orchestrate(input_file: str) -> dict:
    """Führe den vollständigen Workflow zur Berichtserstellung aus"""
    os.makedirs(WORK_DIR, exist_ok=True)

    # ── Phase 1: Datenbereinigung ─────────────────────────────────
    print("【1/3】Daten werden bereinigt...", flush=True)
    clean_result = run(
        f"{SKILLS_BASE}/data-cleaner/scripts/clean_data.py",
        input_file,
        os.path.join(WORK_DIR, "cleaned.csv")
    )
    if clean_result.get("status") != "success":
        return {"status": "error", "stage": "Datenbereinigung",
                "message": clean_result.get("message")}

    print(f" Bereinigt: {clean_result.get('dup_removed', 0)} doppelte Zeilen entfernt,"
          f"hat {clean_result.get('nulls_filled', 0)} fehlende Werte gefüllt", flush=True)

    # ── Phase 2: Statistische Analyse ─────────────────────────────────
    print("【2/3】Statistikbericht wird erstellt...", flush=True)
    stats_result = run(
        f"{SKILLS_BASE}/data-cleaner/scripts/calc_stats.py",
        clean_result["output"],
        os.path.join(WORK_DIR, "stats.json")
    )
    if stats_result.get("status") != "success":
        return {"status": "error", "stage": "Statistische Analyse",
                "message": stats_result.get("message")}

    # ── Phase 3: Excel-Bericht generieren ──────────────────────────
    print("【3/3】Excel-Bericht wird generiert...", flush=True)
    output_name  = os.path.splitext(os.path.basename(input_file))[0] + "_report.xlsx"
    output_path  = os.path.join(OUTPUT_DIR, output_name)

    report_result = run(
        f"{SKILLS_BASE}/data-cleaner/scripts/gen_report.py",
        clean_result["output"],
        stats_result.get("output", ""),
        output_path
    )
    if report_result.get("status") != "success":
        return {"status": "error", "stage": "Berichtsgenerierung",
                "message": report_result.get("message")}

    # Arbeitsverzeichnis aufräumen
    shutil.rmtree(WORK_DIR, ignore_errors=True)

    return {
        "status":     "success",
        "output": output_path,
        "clean_stats": {
            "dup_removed": clean_result.get("dup_removed", 0),
            "nulls_filled": clean_result.get("nulls_filled", 0)
        }
    }

if __name__ == "__main__":
    if len(sys.argv) < 2:
        print(json.dumps({"status": "error", "message": "Verwendung: python orchestrator.py <file path>"}))
        sys.exit(1)

    result = orchestrate(sys.argv[1])
    print(json.dumps(result, ensure_ascii=False, indent=2))
【1/3】正在清洗数据...
  已清洗:删除重复行 5 条,填充空值 18 处
【2/3】正在生成统计报告...
【3/3】正在生成 Excel 报告...
{
  "status": "success",
  "output": "/mnt/user-data/outputs/example_sales_report.xlsx",
  "clean_stats": {"dup_removed": 5, "nulls_filled": 18}
}

SKILL.md für den Orchestrierungs-Skill

---
name: report-pipeline
version: 1.0.0
description: >
  完整的数据报告生成流水线:自动对上传的 CSV/Excel 文件执行数据清洗、
  统计分析并生成 Excel 报告。当用户需要一键生成数据报告、
  从原始数据直接输出分析报告时触发。
---

# 数据报告流水线

## 前置条件

需要以下 Skills 已安装:
- data-cleaner v1.0+
- 本 Skill 的脚本位于 /mnt/skills/public/report-pipeline/

## 执行

获取用户上传的文件路径后,直接运行编排脚本:

```bash
python scripts/orchestrator.py <文件路径>
```

脚本会实时输出每阶段的进度,完成后输出最终文件路径。
解析 JSON 输出后调用 present_files 展示报告文件。

## 失败处理

若任意阶段失败,输出包含 stage 和 message 的错误信息,
告知用户是哪个阶段失败以及可能的原因,不要继续执行后续阶段。
Weitere Erweiterungen