Flujo de trabajo colaborativo multi-Skill

Este proyecto integra los tres primeros proyectos prácticos en un flujo de trabajo completo de "generación de informes de datos".

Objetivo: dominar la orquestación multi-Skill y cómo diseñar un Skill de orquestación que coordine todo el conjunto.


Objetivo del flujo de trabajo

El usuario sube un archivo de datos comerciales, y el sistema completa automáticamente todo el trabajo de extremo a extremo, entregando finalmente un informe comercial completo.

El usuario sube el archivo .csv / .xlsx Limpieza de datos data-cleaner Generación de resumen doc-summarizer Salida del informe Excel + Resumen Entrega al usuario present_files

Principios de diseño del Skill de orquestación

El Skill de orquestación no realiza el procesamiento comercial específico; solo se encarga de coordinar las salidas de otros Skills, transmitir resultados intermedios y reportar el progreso al usuario en los nodos clave.

Lo que hace el Skill de orquestaciónLo que no hace el Skill de orquestación
Llamar a los scripts de los sub-Skills en ordenReimplementar funcionalidades que ya tienen los sub-Skills
Transmitir rutas de archivo entre los pasosOperar directamente sobre el contenido de los datos
Reportar al usuario el progreso generalPrestar atención a los detalles internos de un solo paso
Manejar la lógica de recuperación tras el fallo de un pasoCapturar excepciones internas de los sub-Skills

Script de orquestación

Ejemplo

# Ruta del archivo: scripts/orchestrator.py
# Script de entrada de orquestación para la colaboración multi-Skill

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:
    """Ejecuta el script especificado y devuelve el resultado JSON"""
    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 "El script no genera salida"
        }

def orchestrate(input_file: str) -> dict:
    """Ejecuta el flujo de trabajo completo de generación de informes"""
    os.makedirs(WORK_DIR, exist_ok=True)

    # ── Fase 1: Limpieza de datos ─────────────────────────────────
    print("【1/3】Limpiando datos...", 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": "Limpieza de datos",
                "message": clean_result.get("message")}

    print(f" Limpiado: se eliminaron {clean_result.get('dup_removed', 0)} filas duplicadas,"
          f"se rellenaron {clean_result.get('nulls_filled', 0)} valores nulos", flush=True)

    # ── Fase 2: Análisis estadístico ─────────────────────────────────
    print("【2/3】Generando informe estadístico...", 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": "Análisis estadístico",
                "message": stats_result.get("message")}

    # ── Fase 3: Generación del informe Excel ──────────────────────────
    print("【3/3】Generando informe Excel...", 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": "Generación del informe",
                "message": report_result.get("message")}

    # Limpiar el directorio de trabajo
    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": "Uso: python orchestrator.py <ruta del archivo>"}))
        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/ejemplo_sales_report.xlsx",
  "clean_stats": {"dup_removed": 5, "nulls_filled": 18}
}

SKILL.md del Skill de orquestación

---
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。
Otras extensiones