自动周报生成

适用场景

1 销售团队每周业绩汇总与趋势分析

2 运营部门周度核心指标监控与异常预警

3 项目组周进度跟踪与风险同步

4 管理层多部门数据摘要与决策支持

核心Prompt（安装配置用）

你是一个企业周报自动生成Agent，专精于数据汇总、指标计算与图文报告生成。你的任务是基于用户提供的多源业务数据，自动生成一份结构清晰、图文并茂的周报。

【角色设定】
你是一名资深数据分析师，熟悉销售、运营、项目等业务指标，擅长将原始数据转化为可读性强的周报。

【任务描述】
1. 接收用户提供的原始数据（CSV/JSON/数据库查询结果），包含日期、部门、指标名称、数值等字段。
2. 自动按周（周一至周日）聚合数据，计算核心指标的周环比、周同比、目标达成率。
3. 识别异常波动（如指标下降超过10%或上升超过20%），并给出可能原因提示。
4. 生成图文并茂的周报，包含：标题、周期、核心结论（3-5条）、分部门/分指标详情表格、趋势图（用文字描述或Markdown表格模拟）、异常预警、下周建议。

【输出格式】
使用Markdown格式输出，包含：
- 一级标题：XX部门/公司周报（YYYY年第WW周）
- 二级标题：核心结论、数据详情、异常预警、下周建议
- 表格：指标名称、本周值、上周值、环比、目标、达成率
- 图表：用ASCII或文字描述趋势，如“销售趋势：周一100→周三150→周五200，上升趋势”
- 约束：数据缺失时标注“暂无数据”，不编造数字；异常预警需基于规则；语言简洁专业。

【约束条件】
- 仅基于用户提供的数据生成，不引入外部数据。
- 若数据量超过1000行，先抽样或汇总再生成。
- 输出长度控制在800-1500字。
- 所有计算需可复核，保留两位小数。

所需工具 / API对接

需对接：1) 数据库（MySQL/PostgreSQL）或数据仓库（ClickHouse）读取业务数据；2) 企业微信/钉钉/飞书API发送周报；3) 邮件SMTP服务；4) 图表生成库（Matplotlib/Plotly）或BI工具API；5) 定时任务调度（Cron/Airflow）。

安装部署步骤

11. 环境准备：部署服务器（Linux/Windows），安装Python 3.8+，创建虚拟环境：python -m venv weekly_report_env，激活：source weekly_report_env/bin/activate（Linux）或weekly_report_env\Scripts\activate（Windows）。

22. 安装依赖：pip install pandas numpy matplotlib requests sqlalchemy openpyxl python-dotenv schedule。

33. 配置参数：创建config.yaml，填入数据库连接串、API密钥、收件人列表、周报生成时间（如每周一9:00）、指标阈值（如环比下降10%预警）。

44. 导入Prompt：将核心Prompt保存为prompt.txt，或通过环境变量注入Agent配置；若使用LangChain，创建PromptTemplate加载该文件。

55. 连接工具API：编写data_loader.py连接数据库并执行查询；编写sender.py对接企业微信/钉钉/邮件API；编写chart_generator.py生成趋势图并保存为PNG。

66. 测试验证：运行python main.py --test，使用样本数据生成周报，检查表格计算是否正确、图表是否生成、发送是否成功；对比人工计算验证准确性。

77. 上线部署：使用Cron配置定时任务：0 9 * * 1 cd /path && python main.py；或使用Airflow定义DAG；监控日志文件report.log。

88. 验收标准：连续运行2周，周报准时送达，数据误差小于1%，异常预警准确率大于90%。

配置参数

参数名	说明	默认值
`report_period`	周报周期，格式YYYY-WW或last_week	last_week
`data_source`	数据源类型，支持mysql/postgresql/csv/api	mysql
`send_channel`	发送渠道，支持email/wecom/dingtalk/feishu	email
`alert_threshold`	异常预警阈值，环比变化百分比	10
`output_format`	输出格式，支持markdown/html/pdf	markdown
`schedule_time`	定时生成时间，Cron表达式	0 9 * * 1

效果示例

输入：销售数据表（日期、销售员、销售额、订单数），时间范围2025-05-01至2025-05-07。输出：生成《销售部周报（2025年第18周）》，核心结论：本周总销售额120万，环比上升15%，达成率105%；张三销售额30万居首；周三出现峰值50万，因促销活动；异常预警：李四销售额环比下降20%，需关注。包含表格：各销售员本周/上周销售额、环比、目标达成率；趋势图：周一至周日销售额折线图；下周建议：复制周三促销策略，辅导李四。

常见问题

Q1：数据源字段不固定怎么办？A：在config.yaml中配置字段映射，支持自定义列名对应关系，或使用SQL视图统一字段。
Q2：周报生成失败如何排查？A：检查report.log，常见原因：数据库连接失败、API密钥过期、数据为空；可运行--debug模式查看详细日志。
Q3：如何增加新的指标计算？A：在metrics.py中添加计算函数，并在config.yaml中注册指标名称和公式，重启服务即可。
Q4：支持多部门分别生成周报吗？A：支持，在config.yaml中配置部门列表和对应数据过滤条件，Agent会按部门循环生成并发送。
Q5：能否对接现有BI系统？A：可以，通过BI系统的API获取已加工数据，替换data_loader.py中的查询逻辑即可。

企业落地建议

部署方式：推荐私有化部署，使用Docker容器化，便于迁移和扩展。成本估算：服务器（2核4G）约200元/月，开发人力约3人天，第三方API费用按量计费。注意事项：1) 确保数据权限合规，敏感数据脱敏；2) 首次上线先以“抄送”模式运行，人工核对后再正式发送；3) 设置失败重试和告警通知；4) 定期更新Prompt以适应业务变化。建议先在一个部门试点，跑通后再推广。