仪表盘构建(专业版)

核心功能: 本技能提供中文交互、化工作流场景等能力。

核心功能: 本技能提供结构化的工作流程和配置指引等能力。

仪表盘构建工具（专业版）

总览

专业版在免费版单源基础看板能力上，扩展为面向团队的全功能仪表盘构建平台。支持多数据源聚合、高级图表库、模板管理系统、自动化可视化 QA、团队协作分享与告警规则引擎，适合企业级 KPI 看板、运营仪表盘与实时监控场景. 专业版将可视化 QA 从手动截图升级为自动化检测（截图对比、布局分析、自动修复），新增告警规则引擎实现阈值触发与 Webhook 通知，并提供模板管理系统加速看板复用.

主要能力

核心功能执行

用input_params参数进行配置.

处理: 解析核心功能执行的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回核心功能执行的响应数据,包含状态信息、结果数据和执行记录.

• input_params参数控制执行,支持创建/查询/导出

参数配置与调用

用config_options参数进行配置.

处理: 解析参数配置与调用的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回参数配置与调用的响应数据,包含状态信息、结果数据和执行记录.

• 执行此能力时使用config_options参数,支持修改/重置/导入操作

结果处理与输出

用output_format参数进行配置.

处理: 解析结果处理与输出的输入参数,完成核心逻辑,输出结构化数据. 输出: 返回结果处理与输出的响应数据,包含状态信息、结果数据和执行记录.

• 执行此能力时使用output_format参数,支持导出/保存/转换操作 能力覆盖范围：核心能力涵盖以下关键词：全功能仪表盘构建、支持多源聚合、模板库、自动化、与告警、仪表盘构建工具专、业版是一款面向团、队的全功能本地仪、表盘构建平台、在免费版基础上扩、展多数据源聚合、高级图表库、模板管理系统、自动化可视化、团队协作分享、告警规则与阈值通、知等能力、适合中大型项目的、数据可视化需求、核心能力、多数据源聚合看板、Use、when、需要数据分析、报表生成、统计洞察、数据可视化时使用、不适用于实时流数、据处理等.

适用范围

场景一：企业运营综合看板（运营团队）

运营团队需要一屏掌握收入、用户增长、转化率等多维指标，数据来自 Stripe、数据库 数据库与 Google Sheets。专业版支持多源聚合：

用户："做一个运营综合看板，收入来自 Stripe，用户数据来自 数据库，转化率来自 Google Sheets"
Agent："我将创建多源聚合看板，分别生成三个抓取脚本，数据在页面端合并展示。"
输出：~/dashboard/ops/
      ├── fetch_stripe.sh
      ├── fetch_db.sh
      ├── fetch_sheets.sh
      └── index.html（聚合展示）

场景二：自动化可视化 QA（开发者）

交付前 Agent 自动截图并与基线对比，检测布局偏移、字体溢出、对比度不达标等问题，自动修复后重新验证：

# 自动化 QA
uv run dashboard_qa.py --dashboard ~/dashboard/ops/ --baseline ./baselines/ --auto-fix

QA 报告示例：

[QA 报告] 仪表盘: ops
✓ 布局完整性：通过
✓ 字体可读性：通过（最小 14px）
✗ 对比度：KPI 数字与背景对比度 3.8:1（低于 4.5:1 标准）→ 已自动修复
✓ 数据完整性：3/3 数据源正常

场景三：阈值告警与通知（运维）

当关键指标超过阈值时自动触发告警，通过 Webhook 推送至飞书/钉钉：

# 配置告警规则
uv run dashboard_alert.py --dashboard ops --rule '{
  "metric": "error_rate",
  "threshold": 5,
  "operator": ">",
  "window": "5m",
  "webhook": "https://your-hook.example/notify"
}'

场景四：看板模板复用（团队）

团队将常用看板布局保存为模板，新成员一键应用后仅需替换数据源：

# 保存模板
uv run dashboard_template.py --save ops-template --from ~/dashboard/ops/
# ...
# 应用模板
py --apply ops-template --to ~/dashboard/new-product/ \
  --data-source '{"stripe": "sk_new", "db": "new_db_dsn"}'

部署说明

前置条件

• 已安装 curl、jq、Python 3.11+
• 数据源凭据（API Key、数据库连接串等）
• 浏览器用于预览

120 秒上手

领先步，创建存储目录：

mkdir -p ~/dashboard

第二步，描述多源看板需求：

做一个运营看板：Stripe 收入趋势 + 数据库 用户增长 + 错误率告警

第三步，配置凭据并运行抓取：

export STRIPE_API_KEY=sk_未指定
export DATABASE_URL=数据库://user:pass@host/db
~/dashboard/ops/fetch_all.sh

第四步，启动本地服务并打开：

cd ~/dashboard/ops && python -m http.server 8080 --bind 127.0.0.1

第五步，配置告警规则：

py --dashboard ops --setup

实际示例

多数据源聚合配置

{
  "name": "运营综合看板",
  "sources": [
    {"id": "stripe", "type": "api", "script": "fetch_stripe.sh", "interval": "*/15 * * * *"},
    {"id": "users", "type": "database", "script": "fetch_db.sh", "interval": "0 * * * *"},
    {"id": "sheets", "type": "file", "script": "fetch_sheets.sh", "interval": "0 9 * * *"}
  ],
  "widgets": [
    {"type": "kpi", "source": "stripe", "field": "available.0.amount", "label": "可用余额"},
    {"type": "line", "source": "users", "field": "daily_signups", "label": "每日注册"},
    {"type": "gauge", "source": "sheets", "field": "conversion_rate", "label": "转化率"}
  ]
}

数据库抓取脚本

#!/bin/bash
# 数据库 用户数据抓取
psql "$DATABASE_URL" -c "
  SELECT date_trunc('day', created_at) as day, count(*) as signups
  FROM users WHERE created_at > now() - interval '30 days'
  GROUP BY 1 ORDER BY 1;
" --csv > ~/dashboard/ops/users.csv
jq -R -s '...' ~/dashboard/ops/users.csv > ~/dashboard/ops/users.json

告警规则配置

{
  "rules": [
    {
      "name": "错误率告警",
      "metric": "error_rate",
      "threshold": 5,
      "operator": ">",
      "window": "5m",
      "escalation": {"after": "30m", "to": "secondary_webhook"}
    },
    {
      "name": "收入下降告警",
      "metric": "daily_revenue",
      "threshold": "-20",
      "operator": "<",
      "window": "1d",
      "compare": "yesterday"
    }
  ]
}

自动化 QA 配置

# 设置基线截图
uv run dashboard_qa.py --dashboard ops --set-baseline
# ...
# 运行自动 QA（含自动修复）
uv run dashboard_qa.py --dashboard ops --auto-fix --threshold 4.5

使用技巧

1. 多源数据对齐

多数据源的时间粒度可能不一致（Stripe 按 15 分钟、数据库按小时）。在 config.json 中统一时间粒度，页面端做时间对齐与插值处理.

2. 模板分层管理

将看板模板按业务域分类（运营/产品/技术），每类维护基础模板与变体。新看板从模板创建后仅需替换数据源配置，布局自动继承.

3. 自动化 QA 纳入 CI

将可视化 QA 脚本纳入 CI 流程，每次看板更新后自动截图对比，布局偏移超过阈值时阻止发布：

# CI 中运行
uv run dashboard_qa.py --dashboard ops --compare-baseline --fail-on-diff

4. 告警分级与升级

告警按严重程度分级（P0/P1/P2），P0 立即通知，P1 延迟 5 分钟确认后通知，P2 汇总后每日报告。配置升级策略避免告警疲劳.

5. 增量数据更新

大数据量看板启用增量更新模式，仅拉取最新数据追加至 data.json，避免全量拉取造成的延迟与配额消耗.

热门问题

Q1: 使用本技能需要什么前置条件?

A: 需要配置对应API Key并确保运行环境满足依赖说明中的要求。首次使用请参考快速开始章节。

Q2: 遇到API调用失败怎么办?

A: 检查API Key是否正确配置、网络连接是否正常。如遇429限流,等待2秒后重试,最多3次。

Q3: 支持哪些输入格式?

A: 支持文本输入和JSON格式参数。具体格式参考输入格式章节的参数说明表。

Q4: 如何处理超时或无响应?

A: 默认超时30秒。超时后检查网络连接和API服务状态,确认服务正常后重试。

Q5: 输出结果不完整怎么办?

A: 检查输入参数是否完整,确认prompt描述清晰具体。对于长文本输入,尝试分段处理。

依赖与配置

运行环境

• Agent 平台：支持 SKILL.md 的任意 AI Agent（ Code / Cursor / Codex / CLI 等）
• 操作系统：Windows / macOS / Linux
• Python：3.11 及以上版本（用于 QA 与告警脚本）
• 浏览器：任意现代浏览器

依赖详情

API Key 配置

• 数据源凭据通过环境变量注入（STRIPE_API_KEY、DATABASE_URL 等）
• 环境变量存储于 ~/.env 或密钥管理服务
• 告警 Webhook 地址存储于环境变量 ALERT_WEBHOOK
• 看板默认绑定 127.0.0.1，团队访问需通过反向代理添加认证
• 禁止在脚本、配置文件或 Git 中硬编码凭据

可用性分类

• 分类：MD+EXEC（纯 Markdown 指令，核心功能需 exec 命令行执行能力）
• 说明：基于 Markdown 的 AI Skill，通过自然语言指令驱动 Agent 生成多源聚合看板与告警配置

专业版特性

本专业版相比免费版新增以下能力：

• 多数据源聚合：API+数据库+文件源混合展示，统一时间对齐
• 高级图表库：折线/柱状/饼图/热力图/散点图/桑基图/仪表盘
• 模板管理系统：保存/复用/分享看板模板，一键应用
• 自动化可视化 QA：截图对比、布局检测、对比度检查、自动修复
• 团队协作：看板分享、权限管理、版本控制
• 告警规则引擎：阈值触发、Webhook 通知、分级升级
• 性能优化：增量数据更新、懒加载、多级缓存
• 优先技术支持：工作日 4 小时内响应，提供 SLA 保障

定价

专业版通过 Skill 平台付费发布，支持按月订阅与一次性买断（499 元）.

异常恢复流程

输出规范

{
  "success": true,
  "data": {
    "result": "仪表盘构建(专业版)处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "dashboard builder pro"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}

---

功能边界

仪表盘构建工具专业版在设计和实现时考虑了多种边界条件和限制，以下是一些具体的限制和性能边界：

输入限制

• 数据源数量: 每个仪表盘最多支持连接50个数据源，超过此数量将无法添加新数据源。
• 数据源类型: 支持的数据源类型包括API、数据库和文件，但特定数据库类型（如MySQL）可能需要额外配置。
• 数据量: 单个仪表盘的数据量上限为10GB，超过此限制将无法正常显示数据。

性能边界

• 数据处理速度: 数据抓取脚本执行时间不宜过长，建议在1分钟内完成，以保证仪表盘的实时性。
• 响应时间: 仪表盘的响应时间应小于3秒，以保证用户良好的使用体验。
• 并发用户: 支持的并发用户数上限为100，超过此限制可能导致服务不稳定。

兼容性约束

• 操作系统: 支持Windows、macOS和Linux操作系统，但不支持ARM架构的Linux系统。
• 浏览器: 支持所有主流浏览器，包括Chrome、Firefox、Safari和Edge，但不支持移动浏览器。
• Python版本: 需要Python 3.11及以上版本，不支持Python 2.x版本。

其他限制

• API Key: 每个数据源都需要相应的API Key或认证信息，这些信息需要妥善保管，避免泄露。
• 脚本权限: 数据抓取脚本需要具备读取和写入数据的权限，否则将无法正常执行。
• 数据源更新频率: 数据源更新频率不宜过高，以免造成不必要的性能消耗和资源浪费。

快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

差异化优势

与同类方案对比

在仪表盘构建领域，用户可能会考虑以下几种替代方案：

• 手动操作：通过编程或脚本手动构建仪表盘，虽然具有高度定制性，但耗时且需要专业技能。
• 通用数据可视化工具：如Tableau、Power BI等，虽然功能强大，但通常缺乏针对仪表盘构建的专业特性，且成本较高。
• 开源仪表盘框架：如D3.js、Highcharts等，虽然免费且灵活，但需要用户具备前端开发技能，且集成和扩展较为复杂。

优势：仪表盘构建工具专业版提供了一套完整的本地化仪表盘构建平台，无需编程技能，即可快速构建和部署仪表盘。相比手动操作，节省了大量的开发时间和人力成本；相比通用数据可视化工具，提供了更专业、更高效的仪表盘构建体验；相比开源仪表盘框架，减少了集成和扩展的复杂性，降低了使用门槛。

独特功能

• 多源聚合：支持API、数据库和文件等多种数据源混合展示，实现数据融合和可视化。
• 自动化QA：提供自动化截图对比、布局检测、对比度检查和自动修复功能，确保仪表盘的准确性和一致性。
• 模板管理系统：支持保存、复用和分享看板模板，提高团队协作效率。
• 告警规则引擎：提供阈值触发、Webhook通知和分级升级功能，实现实时监控和智能告警。
• 性能优化：支持增量数据更新、懒加载和多级缓存，提升仪表盘的加载速度和用户体验。

效率提升

• 节省时间：通过自动化QA和模板管理系统，可以节省50%以上的仪表盘构建时间。
• 减少步骤：无需编写代码，简化了仪表盘构建流程，将构建步骤减少至原来的1/3。

应用场景创新

• 企业运营综合看板：将来自不同数据源的多维指标集成到一个仪表盘中，实现运营团队的一屏监控。
• 自动化可视化QA：将QA流程集成到CI/CD流程中，确保仪表盘的持续稳定性和质量。
• 阈值告警与通知：实现实时监控和智能告警，提高运维团队的问题发现和解决效率。

安全规范

使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。

效率指标

差异分析

用户答疑汇总

Q1: 仪表盘构建(专业版)支持哪些输入格式？

A1: 全功能仪表盘构建平台，支持多源聚合、模板库、自动化 QA 与告警.。仪表盘构建工具专业版是一款面向团队的全功能本地仪表盘构建平台，在免费版基础上扩展多数据源聚合。支持文本指令和结构化参数输入，具体格式参考使用流程章节。

Q2: 需要配置API Key吗？

A2: 是的，部分功能需要配置对应平台的API Key。请在依赖说明章节查看具体要求，并通过环境变量安全配置。

Q3: 命令行执行失败怎么办？

A3: 检查命令参数是否正确，确认运行环境支持exec能力。如遇权限问题，请参照错误处理章节排查。

仪表盘构建(专业版)通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

问题解答集