/x_agent_skill

name: xagent
description: XAgent是一个智能跨域分析助手，基于SOP驱动的规划、多工具协调和多层次数据分析框架，提供专业的商业智能和数据分析能力。当用户需要进行数据分析、业务分析、生成报告或需要结构化的问题解决方案时使用。

XAgent - 智能跨域分析助手

一个全面的Claude技能，实现XAgent的智能跨域分析能力，以SOP驱动的规划、多工具协调和多层次数据分析为特色。

概览

XAgent是一个精密的跨域智能助手，在各个领域提供结构化、高质量的分析。它使用标准作业程序（SOP）确保一致的、高质量的输出，并协调多个工具高效完成复杂任务。

核心特性

🎯 核心能力

• **SOP驱动规划**：基于经过验证的方法论自动生成结构化执行计划
• **多层次数据分析**：描述性分析 → 异常检测 → 相关性分析 → 预测性分析
• **多工具协调**：智能选择和编排多个分析工具
• **Prompt工程**：使用先进的prompt模板确保一致的高质量输出
• **跨域能力**：支持不同专业领域的专业分析指导
• **MCP服务集成**：自动发现和使用外部MCP服务
• **对话记忆**：跨多次交互维护上下文，支持持续分析

🔧 技术特性

• **模块化架构**：六个专业组件协同工作
• **实时进度跟踪**：步骤执行监控
• **错误处理与重试**：健壮的错误恢复机制
• **性能优化**：并行执行和智能缓存
• **可扩展设计**：易于添加新工具和分析方法

安装

该技能是自包含的，除了Python 3.8+外不需要任何外部依赖。所有组件都包含在包中。

使用方法

基础使用

from xagent_skill import XAgent, XAgentConfig

# 使用默认配置初始化
agent = XAgent()

# 处理用户查询
result = agent.process_request(
    query="分析销售数据趋势并识别增长机会",
    user_id="user_001"
)

if result['guidance_prompt']:
    print(f"生成了专业指导prompt，长度: {len(result['guidance_prompt'])}字符")
    print(f"推荐的工具: {result['recommended_tools']}")
    print(f"包含多层次规划: {result['metadata']['has_hierarchical_planning']}")

    if result['hierarchical_plan']:
        print(f"预计工时: {result['hierarchical_plan']['estimated_timeline']['total_estimated_hours']}小时")

高级使用

from xagent_skill import XAgent, XAgentConfig

# 自定义配置
config = XAgentConfig(
    enable_sop_guidance=True,
    enable_hierarchical_planning=True,
    enable_tool_coordination=True,
    enable_domain_expertise=True,
    enable_analysis_guidance=True,
    prompt_language="zh-CN",
    detail_level="comprehensive"
)

agent = XAgent(config)

# 多轮对话示例
session_id = "analysis_session"

# 第一次查询
result1 = agent.process_request(
    query="分析Q3销售业绩",
    user_id="analyst_001",
    session_id=session_id
)

# 后续查询，带上下文
result2 = agent.process_request(
    query="重点关注表现不佳的区域并提出改进建议",
    user_id="analyst_001",
    session_id=session_id
)

# 复杂报告写作
result3 = agent.process_request(
    query="基于以上分析，撰写一份完整的季度业绩分析报告",
    user_id="analyst_001",
    session_id=session_id
)

组件

1. SOP规划技能 (`SOPPlanningSkill`)

使用标准作业程序生成结构化执行计划。

**特性：**

• 三种SOP匹配模式（高相关、通用、无SOP）
• 智能任务分解
• 工具需求识别
• 置信度评分

from joyagent_skill import SOPPlanningSkill

planner = SOPPlanningSkill()
plan = planner.plan("分析客户流失模式")
print(f"生成了{len(plan.steps)}个步骤")
print(f"模式: {plan.mode.value}")

2. 任务执行技能 (`TaskExecutionSkill`)

使用并行处理能力执行结构化计划。

**特性：**

• 并行和串行执行模式
• 自动重试机制
• 进度跟踪
• 错误恢复

from joyagent_skill import TaskExecutionSkill

executor = TaskExecutionSkill(max_parallel_tasks=3)
results = executor.execute(plan, context={'data': sales_data})

3. Prompt引擎 (`PromptEngine`)

管理复杂的prompt模板和链，确保AI行为一致。

**特性：**

• 模板管理系统
• 动态prompt链
• 性能优化
• A/B测试支持

from joyagent_skill import prompt_engine

# 获取复杂分析的最优prompt
prompt = prompt_engine.get_optimal_prompt(
    'complex_analysis',
    {'query': '分析市场趋势'}
)

4. 多工具协调器 (`MultiToolCoordinator`)

智能选择和协调多个分析工具。

**特性：**

• 智能工具选择算法
• 依赖关系解析
• 并行执行优化
• 性能监控

from joyagent_skill import MultiToolCoordinator

coordinator = MultiToolCoordinator()
tools = coordinator.select_tools("全面数据分析")
plan = coordinator.create_execution_plan(tools)

5. 数据分析技能 (`DataAnalysisSkill`)

实现专业的四阶段数据分析框架。

**特性：**

• 描述性统计和趋势
• 异常检测算法
• 相关性和关系分析
• 预测建模

from joyagent_skill import DataAnalysisSkill

analyzer = DataAnalysisSkill()
results = analyzer.analyze(sales_data, "分析销售业绩")
report = analyzer.generate_analysis_report(results)

6. 对话管理器 (`ConversationManager`)

管理多轮对话和上下文记忆。

**特性：**

• 会话管理
• 上下文累积
• 用户偏好学习
• 对话历史

from joyagent_skill import ConversationManager

manager = ConversationManager()
conv_id = manager.start_conversation("user_001", "session_001", "初始查询")
manager.add_message(conv_id, MessageRole.USER, "后续问题")

支持的分析类型

商业分析

• **销售分析**：收入趋势、绩效指标、增长机会
• **客户分析**：流失模式、细分、满意度分析
• **市场分析**：竞争格局、趋势、机会识别

数据分析

• **描述性分析**：统计、分布、数据画像
• **诊断分析**：根本原因分析、异常检测
• **预测分析**：预测、趋势预测、场景建模

报告

• **执行摘要**：关键洞察、建议、行动项
• **详细报告**：方法论、发现、限制、附录
• **可视化**：图表建议、数据故事讲述

配置选项

JoyAgentConfig

config = JoyAgentConfig(
    enable_sop_planning=True,           # 启用SOP规划
    enable_multi_tool_coordination=True, # 启用工具协调
    enable_conversation_memory=True,     # 启用对话上下文
    enable_data_analysis=True,          # 启用数据分析框架
    max_parallel_tools=3,               # 最大并行工具数
    max_conversation_history=50,        # 最大对话消息存储数
    auto_optimization=True             # 启用性能优化
)

SOP阈值

planner.update_thresholds(
    high=0.9,    # 高置信度SOP匹配阈值
    low=0.4      # 无SOP模式阈值
)

示例

示例1：销售分析

from joyagent_skill import JoyAgent

agent = JoyAgent()

result = agent.process_request(
    query="分析2023年销售数据，识别增长趋势并提出改进策略",
    user_id="sales_manager"
)

# 输出包括：
# - 详细销售趋势分析
# - 增长机会识别
# - 战略建议
# - 支持数据可视化

示例2：客户流失分析

result = agent.process_request(
    query="分析客户流失模式，识别关键风险因素并提出保留策略",
    user_id="customer_success"
)

# 输出包括：
# - 流失率分析
# - 风险因素识别
# - 客户细分分析
# - 保留策略建议

示例3：多轮分析

# 初始广泛分析
result1 = agent.process_request(
    query="提供Q3绩效指标概览",
    user_id="analyst",
    session_id="quarterly_review"
)

# 深入特定领域
result2 = agent.process_request(
    query="专注于利润率最高的产品线并分析客户满意度",
    user_id="analyst",
    session_id="quarterly_review"
)

# 生成最终报告
result3 = agent.process_request(
    query="创建包含可行建议的综合执行摘要",
    user_id="analyst",
    session_id="quarterly_review"
)

输出格式

执行计划结构

{
  "plan_id": "plan_1234567890",
  "title": "销售数据分析计划",
  "mode": "HIGH_MODE",
  "steps": [
    {
      "step_order": 1,
      "title": "数据收集和验证",
      "description": "收集和清洗销售数据",
      "tools": ["data_analysis"],
      "expected_output": "已验证的数据集"
    }
  ],
  "confidence": 0.95
}

分析报告结构

# 销售数据分析报告

## 执行摘要
- 总销售额：¥X.XM（同比增长Y%）
- 关键发现：[最重要的洞察]

## 详细分析

### 1. 描述性分析
- 销售趋势和模式
- 绩效指标

### 2. 异常检测
- 识别异常
- 根本原因分析

### 3. 相关性分析
- 关键关系
-