每日热门Skill研究报告：System Data Intelligence Skill 深度研究报告

第一章 当日热门 Skill 概览1.1 背景介绍2026年4月12日通过 ClawHub 向量搜索对多个热门 Query 进行排名分析最终确定今日最热门 Skill 为system-data-intelligence-skill系统数据智能。该 Skill 在 “data analysis visualization” 搜索中以 2.109 的相关性评分位列第一大幅领先第二名的 1.160 分体现出极高的专业覆盖度和语义匹配度。system-data-intelligence-skill 由开发者 zhaojie911272507 创建于 2026 年 3 月 7 日最近更新于 2026 年 4 月 11 日距今仅约 1 天是近期活跃更新的新兴 Skill。该 Skill 采用 MIT-0 许可证允许自由使用、修改和再分发无需署名。1.2 核心定位该 Skill 的核心定位是专为需要直接操作系统应用并进行深度数据分析的场景设计。它不是简单的文件读取工具而是一套覆盖文件解析、数据分析、可视化输出的端到端智能处理流水线。Skill 内置了跨平台自动路由机制能根据当前操作系统Windows/macOS/Linux自动选择最优执行路径。1.3 关键数据一览属性值Skill 名称system-data-intelligence-skill最新版本1.0.0创建时间2026-03-07最后更新2026-04-11许可证MIT-0开发者zhaojie911272507综合评分ClawHub2.109文件总数14 个支持平台Windows / macOS / Linux核心依赖Python 3.6、win32comWin、xlwingsMac、openpyxlLinux第二章 技术深度解析2.1 架构设计system-data-intelligence-skill 采用多路径路由架构整体设计遵循识别场景 → 选择路径 → 执行脚本 → 输出结果的流水线模式。Skill 的 SKILL.md 定义了三条核心执行路径分别对应 Windows、macOS 和 Linux 系统WIN-PATHWindows 系统优先级一为 Python win32comExcel/Word/WPS 首选功能最全优先级二为 PowerShell COM系统级操作无需 Python 环境优先级三为 openpyxl / python-docx离线解析不依赖应用程序优先级四为 pywinautoGUI 自动化万不得已时使用。MAC-PATHmacOS 系统优先级一为 Python xlwingsExcel for Mac 首选优先级二为 AppleScript / JXA系统原生稳定可靠优先级三为 python-docx / openpyxl离线解析优先级四为 subprocess osascript调用系统命令。LINUX-PATHLinux 系统优先级一为 openpyxl / python-docxExcel/Word 首选无需应用程序优先级二为 LibreOffice headless老格式 .doc/.xls 转换优先级三为 pandas xlrd旧版 Excel 离线解析优先级四为 pdfplumber / pymupdfPDF 提取。这种多层级降级策略确保了每个平台都能找到可行的执行方案即便高级接口不可用也能自动降级。2.2 核心脚本组件该 Skill 包含 6 个核心 Python 脚本分工明确scripts/win_excel_reader.py3.4KBWindows 平台专用 Excel 读取脚本通过 win32com 调用 Microsoft Excel 或 WPS 应用程序。WPS 的 COM 名称为 “KET.Application”表格和 “KWPS.Application”文字这是该脚本的独有关键信息。scripts/mac_excel_reader.py3.5KBmacOS 平台专用 Excel 读取脚本通过 xlwings 调用 Excel for Mac。脚本需要处理 AppleScript 的辅助功能授权问题。scripts/doc_parser.py4.3KB通用文档解析器支持 .xlsx/.xls/.xlsm/.et/.docx/.doc/.wps/.txt/.md/.rtz/.csv/.json 等多种格式提供 detect_and_load 统一接口是跨平台兼容性的关键组件。scripts/deep_analyzer.py7.5KB深度数据分析引擎提供从描述性分析到规范性分析的四层分析框架输出结构化 JSON 报告和 Markdown 摘要。scripts/viz_engine.py4.8KB可视化引擎根据分析结果生成交互式 HTML 仪表盘和静态 PNG 图表支持折线图、柱状图、饼图、散点图、热力图等多种图表类型。scripts/wps_extractor.py3.4KBWPS 格式专用提取器专门处理 WPS Office 特有的 .et/.wps 文件格式弥补了通用解析器对国产办公软件支持的不足。2.3 参考文档体系Skill 内置了 4 个平台相关的参考文档references/ 目录覆盖 Windows/macOS/Linux 三大平台以及文件格式规范references/windows-api.md2.9KBWindows 平台 COM/win32com API 手册包含 Excel、Word、WPS 的详细调用方法和常见问题处理。references/macos-api.md2.8KBmacOS AppleScript/JXA API 手册涵盖辅助功能授权、应用程序脚本接口等。references/linux-api.md4.6KBLinux 平台命令行和库调用手册包括 LibreOffice headless 使用方法、中文字体配置fonts-noto-cjk等。references/viz-patterns.md3.7KB可视化模式指南包含图表选型建议、最佳实践和模板代码。references/file-formats.md3.1KB文件格式规范说明详细描述各格式的解析要点和兼容性注意事项。2.4 数据分析层次模型deep_analyzer.py 实现了四层数据分析框架Level 1 - 描述性分析回答数据现状是什么计算均值、分布、缺失率等基础统计量。Level 2 - 诊断性分析回答为什么会这样通过相关性分析、异常检测等手段探究数据背后的原因。Level 3 - 预测性分析回答未来会怎样基于趋势分析和预测模型推断数据走向。Level 4 - 规范性分析回答应该怎么做提供优化建议和决策支持。这种分层设计使得分析工作可以渐进式深入从快速洞察到深度挖掘满足不同深度的需求。第三章 与其他同类工具对比3.1 ClawHub 搜索结果横向对比在 ClawHub 向量搜索 “data analysis visualization” Query 下system-data-intelligence-skill 以 2.109 分大幅领先排名Skill 名称评分类型1system-data-intelligence-skill2.109综合数据分析2data-analyst-pro1.160数据分析3analyst1.151分析工具4data-analyst-cn1.144数据分析中文5rupert-data-analysis1.143数据分析system-data-intelligence-skill 的评分是第二名的 1.82 倍在语义匹配度上具有压倒性优势。其描述文本中包含大量精确的场景关键词“深度分析”、“趋势研究”、“异常检测”、“预测”、“图表”、“可视化”、“仪表盘”、“数据报告”这些关键词与搜索 Query 高度吻合。3.2 功能对比分析vs. xlsx SkillOpenClaw 内置xlsx Skill 专注于 Excel 文件的创建、编辑和格式化功能聚焦于表格操作层面。而 system-data-intelligence-skill 在此基础上增加了数据分析引擎deep_analyzer.py和可视化引擎viz_engine.py提供了从数据到洞察的完整链路。两者并非替代关系而是互补关系——xlsx 处理表格结构SDI 处理数据智能。vs. pdf SkillOpenClaw 内置pdf Skill 专注于 PDF 的读取、合并、分割和水印等操作与 system-data-intelligence-skill 的定位不同。SDI Skill 的 doc_parser.py 包含了 PDF 提取能力通过 pdfplumber/pymupdf但这不是其核心功能。vs. data-analyst-proClawHub 同类data-analyst-pro 评分 1.160定位类似但功能不如 SDI 全面。SDI Skill 的多平台路由机制Windows/macOS/Linux 三条路径和 WPS 专有支持是独特优势。vs. docx SkillOpenClaw 内置docx Skill 专注于 Word 文档操作SDI Skill 的 doc_parser.py 包含了 docx 读取能力但 SDI 的定位是数据分析而非文档编辑两者功能有交叉但场景不同。3.3 关键差异化优势强制触发机制Skill 描述中明确标注了强制触发场景确保在相关任务中被自动调用不会被用户忽略或跳过。多平台无缝路由一条 SKILL.md 文件覆盖 Windows/macOS/Linux 三大平台无需为每个平台单独编写 Skill降低了维护成本。WPS 国产化支持内置 wps_extractor.py 和 WPS COM 识别逻辑专门支持国产 WPS Office 格式.et/.wps在国内场景中具有独特价值。端到端流水线从文件读取 → 数据分析 → 可视化输出的全流程自动化无需人工介入用户只需提供文件即可获得完整报告。结构化输出规范每次任务完成必须输出数据摘要卡片Markdown、可视化文件HTML 交互版 PNG 静态版、结构化数据JSON/CSV和操作日志输出标准化程度高。第四章 安装与配置指南4.1 前置要求system-data-intelligence-skill 的运行依赖于 Python 环境具体要求如下平台Python 版本额外依赖WindowsPython 3.6win32compywin32、openpyxl、python-docx、pandas、matplotlibmacOSPython 3.6xlwings、openpyxl、python-docx、pandas、matplotlibLinuxPython 3.6openpyxl、python-docx、pandas、matplotlib、pdfplumber、pymupdf4.2 通过 ClawHub 安装使用 ClawHub CLI 一键安装是最推荐的方式# 安装到默认 skills 目录 npx clawhublatest install system-data-intelligence-skill # 安装到指定目录 npx clawhublatest install system-data-intelligence-skill --dir ~/.openclaw/workspace/skills4.3 手动安装手动安装时将 Skill 文件夹放入 OpenClaw 的 skills 目录即可。4.4 依赖安装pip install -r requirements.txt pip install pywin32 # Windows 额外 sudo apt install libreoffice # Linux 额外4.5 平台特殊配置WindowsWPS 用户需安装 WPS Office大文件50MB建议使用 read_onlyTrue 模式COM 操作完成后必须调用 Quit() 释放进程。macOS首次调用 AppleScript 需要在系统设置 → 隐私与安全性 → 辅助功能中授权需要安装 Microsoft Excel for Mac。Linux中文内容需要安装 CJK 字体fonts-noto-cjkLibreOffice headless 用于处理老格式 .doc/.xls 文件。第五章 在实际项目中的应用5.1 典型应用场景场景一Excel 销售数据分析。用户上传季度销售 Excel 文件希望了解销售趋势、各区域对比、异常月份检测。执行路径WIN-PATH → win_excel_reader.py 读取数据 → deep_analyzer.py 四层分析 → viz_engine.py 生成图表。输出包含销售趋势折线图、各区域柱状对比图、异常月份标注的仪表盘以及 JSON 格式的结构化分析结果。场景二跨部门数据汇总。用户需要从多个 WPS 表格和 Word 文档中提取数据整合成一份综合报告。执行路径WIN-PATH → wps_extractor.py doc_parser.py 批量读取 → deep_analyzer.py 跨表关联分析 → viz_engine.py 多维度可视化输出。场景三macOS 环境财务审计。审计人员使用 MacBook需要对 Excel 财务数据进行深度分析。执行路径MAC-PATH → mac_excel_reader.py 读取 Excel → deep_analyzer.py 财务指标计算 → viz_engine.py 生成审计图表。xlwings 保证了 Excel 公式和格式的完整保留。场景四Linux 服务器自动化报表生成。在无 GUI 的 Linux 服务器上自动化生成日报。执行路径LINUX-PATH → openpyxl 读取 CSV/Excel → deep_analyzer.py 生成统计报告 → viz_engine.py 生成静态图表。无需安装 Office 全套软件纯 Python 方案即可运行。5.2 工作流集成该 Skill 可以与 OpenClaw 的定时任务结合实现自动化数据报表。5.3 输出结构规范每次任务完成后Skill 会自动生成标准化的输出目录结构outputs/report_YYYYMMDD_HHMMSS/ ├── analysis_result.json # 结构化分析报告 ├── summary.md # 文字洞察摘要 ├── report.html # 交互式仪表盘 └── charts/ # 静态图表目录第六章 总结与评分6.1 总体评价system-data-intelligence-skill 是一款定位精准、功能全面、技术扎实的数据智能处理 Skill。它不是简单地将多个 Python 脚本打包而是真正设计了一套完整的决策路由机制——根据操作系统类型、文件格式、分析深度需求自动选择最优执行路径。这种设计使得一个 Skill 就能覆盖 Windows/macOS/Linux 全平台的数据工作需求大幅降低了多平台维护成本。其最突出的特点是场景覆盖的完整性从文件读取Excel/Word/WPS/TXT/Markdown到数据分析四层分析框架到可视化输出HTML PNG整个数据工作流被完整封装。更难得的是它还专门支持了国产 WPS Office 格式在国内办公场景中具有不可替代的价值。6.2 评分维度评分评语功能完整性9.5/10端到端覆盖从文件到洞察全链路技术质量9.0/10多路径路由设计合理降级策略完备跨平台支持9.5/10Windows/macOS/Linux 三平台无缝支持文档质量8.5/105个参考文档覆盖各平台 API但部分文档较简略易用性8.5/10自动路由减少用户配置但需要理解 Python 环境创新性8.0/10强制触发机制和 WPS 专项支持有创新价值综合评分8.8/10强烈推荐安装6.3 适用人群数据分析师需要处理多种格式数据文件的分析人员办公自动化工程师需要跨平台批量处理 Excel/Word 的自动化场景企业用户使用 WPS Office 的国内企业用户国内特供优势OpenClaw 高级用户希望构建端到端数据流水线的自动化达人6.4 局限性Python 环境依赖部分功能需要本地安装 Python 和相关库对非技术用户有一定门槛。大型文件性能虽然有大文件处理建议read_onlyTrue但未内置分块处理机制。实时数据支持当前设计基于文件输入不支持数据库实时查询。协作功能缺失输出报告为静态文件缺乏在线协作和分享能力。第七章 附录与参考资料7.1 文件清单文件路径大小说明SKILL.md6.2KB核心执行逻辑和路由规则AGENTS.md4.6KBAgent 行为指南requirements.txt377BPython 依赖列表README.md4.9KB使用说明文档scripts/win_excel_reader.py3.4KBWindows Excel 读取器scripts/mac_excel_reader.py3.5KBmacOS Excel 读取器scripts/doc_parser.py4.3KB通用文档解析器scripts/deep_analyzer.py7.5KB深度数据分析引擎scripts/viz_engine.py4.8KB可视化引擎scripts/wps_extractor.py3.4KBWPS 格式专用提取器references/windows-api.md2.9KBWindows API 手册references/macos-api.md2.8KBmacOS API 手册references/linux-api.md4.6KBLinux API 手册references/viz-patterns.md3.7KB可视化模式指南references/file-formats.md3.1KB文件格式规范7.2 安装命令# ClawHub 一键安装 npx clawhublatest install system-data-intelligence-skill # 验证安装 npx clawhublatest list7.3 快速使用示例# 读取 Excel 并分析 python scripts/win_excel_reader.py 销售数据.xlsx Sheet1 python scripts/deep_analyzer.py outputs/sales_data.csv 日期 销售额 python scripts/viz_engine.py outputs/analysis_result.json outputs/# 直接使用自动路由 from scripts.doc_parser import detect_and_load df detect_and_load(/path/to/any/file)7.4 参考链接ClawHub SkillHubhttps://clawhub.ai/ClawHub 安装命令npx clawhublatest install system-data-intelligence-skillSkill 详情npx clawhublatest inspect system-data-intelligence-skill7.5 版权声明本研究报告基于 ClawHub 公开信息生成。system-data-intelligence-skill 采用 MIT-0 许可证可自由使用、修改和再分发无需署名。报告生成时间2026-04-12 08:50生成工具OpenClaw AI Agent报告版本v1.0