Workflow de collaboration multi-compétences
Ce projet intègre les trois premiers projets pratiques dans un flux de travail complet de "génération de rapport de données".
Objectif : Maîtriser l'orchestration multi-Skill et comment concevoir un Skill d'orchestration qui coordonne le flux de travail global.
Objectif du flux de travail
L'utilisateur téléverse un fichier de données commerciales, et le système exécute automatiquement les tâches de bout en bout suivantes, en fin de compte livrant un rapport commercial complet.
Principes de conception pour le Skill d'orchestration
Le Skill d'orchestration n'effectue pas de traitement métier spécifique ; il est uniquement responsable de la planification des sorties des autres Skills, du passage des résultats intermédiaires et de la communication de la progression à l'utilisateur aux points clés.
| Ce que fait le Skill d'orchestration | Ce que le Skill d'orchestration ne fait pas |
|---|---|
| Appeler les scripts sub-Skill dans l'ordre | Réimplémenter les fonctionnalités existant déjà dans les sub-Skills |
| Passer les chemins de fichiers entre les étapes | Manipuler directement le contenu des données |
| Rapporter la progression globale à l'utilisateur | Se concentrer sur les détails internes d'une seule étape |
| Gérer la logique de remédiation après les échecs d'étape | Intercepter les exceptions à l'intérieur des sub-Skills |
Script d'orchestration
Exemple
# Chemin du fichier : scripts/orchestrator.py
# Script d'entrée d'orchestration pour la collaboration 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:
"""Exécuter le script spécifié et renvoyer le résultat 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 "Le script ne produit aucune sortie"
}
def orchestrate(input_file: str) -> dict:
"""Exécuter le flux complet de génération de rapport"""
os.makedirs(WORK_DIR, exist_ok=True)
# ── Phase 1 : Nettoyage des données ─────────────────────────────────
print("【1/3】Nettoyage des données...", 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": "Nettoyage des données",
"message": clean_result.get("message")}
print(f" Nettoyé : {clean_result.get('dup_removed', 0)} lignes en double supprimées,"
f"comblé {clean_result.get('nulls_filled', 0)} valeurs manquantes", flush=True)
# ── Phase 2 : Analyse statistique ─────────────────────────────────
print("【2/3】Génération du rapport statistique...", 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": "Analyse statistique",
"message": stats_result.get("message")}
# ── Phase 3 : Générer le rapport Excel ──────────────────────────
print("【3/3】Génération du rapport 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": "Génération du rapport",
"message": report_result.get("message")}
# Nettoyer le répertoire de travail
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": "Utilisation : python orchestrator.py <file path>"}))
sys.exit(1)
result = orchestrate(sys.argv[1])
print(json.dumps(result, ensure_ascii=False, indent=2))
# Script d'entrée d'orchestration pour la collaboration 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:
"""Exécuter le script spécifié et renvoyer le résultat 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 "Le script ne produit aucune sortie"
}
def orchestrate(input_file: str) -> dict:
"""Exécuter le flux complet de génération de rapport"""
os.makedirs(WORK_DIR, exist_ok=True)
# ── Phase 1 : Nettoyage des données ─────────────────────────────────
print("【1/3】Nettoyage des données...", 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": "Nettoyage des données",
"message": clean_result.get("message")}
print(f" Nettoyé : {clean_result.get('dup_removed', 0)} lignes en double supprimées,"
f"comblé {clean_result.get('nulls_filled', 0)} valeurs manquantes", flush=True)
# ── Phase 2 : Analyse statistique ─────────────────────────────────
print("【2/3】Génération du rapport statistique...", 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": "Analyse statistique",
"message": stats_result.get("message")}
# ── Phase 3 : Générer le rapport Excel ──────────────────────────
print("【3/3】Génération du rapport 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": "Génération du rapport",
"message": report_result.get("message")}
# Nettoyer le répertoire de travail
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": "Utilisation : 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 pour la compétence d'orchestration
--- 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。Autres extensions