Jira BUG Analysis Assistant[Jira-BUG分析助手]

从 Jira Server/DC 拉取 Bug 数据，进行全面的 AI 分析，并生成交互式 HTML 报表。分析维度包括：Bug 趋势、优先级/严重程度分布、组件热点、解决时间、经办人负载、未解决 Bug 老化等。当用户要求分析 Jira Bug、生成 Bug 报表、或查看 Bug 指标时使用此 Skill。

CNtesters@cntesters

Install

openclaw skills install @cntesters/jira-analysis-skill

Jira Bug Analysis Skill

从 Jira Server/Data Center 拉取 Bug 数据，进行全面分析，并生成自包含的 HTML 报表。

Step 1: Gather Connection Parameters

模型建议：在开始收集参数前，主动告知用户：推荐使用 GPT 或 Claude Opus 4.7 运行本 Skill。如果在后续步骤中遇到 HTML 页面展示效果不佳（图表错位、样式异常、内容不完整等），可以切换模型后重新生成（在 Claude Code 中使用 /model 命令）。

向用户收集以下必要信息（如果用户已在调用参数中提供，则跳过询问）：

必填参数：

Jira Server URL: 例如 https://jira.company.com
认证方式（二选一）：
- Personal Access Token (PAT)（推荐）
- 用户名 + 密码
Project Key: Jira 项目标识，例如 PROJ

可选参数：

起始日期 (--start-date): 筛选此日期之后创建的 Bug，格式 YYYY-MM-DD
结束日期 (--end-date): 筛选此日期之前创建的 Bug，格式 YYYY-MM-DD
Issue Type 名称 (--issue-type): 默认为 Bug。如果 Jira 实例使用中文或自定义名称（如 故障、缺陷），需指定实际名称。如果用户不确定，可先用 REST API 查询项目实际的 Issue Type 列表
Severity 自定义字段 ID (--severity-field): 如果 Jira 实例中有「严重程度」自定义字段，提供其字段 ID（如 customfield_10072）。告诉用户可以在 Jira 管理后台的自定义字段页面找到此 ID
如果用户的 Jira 使用自签名证书，需要添加 --no-verify 参数

如果用户没有提供日期范围，建议默认使用最近 90 天。

Step 2: Install Dependencies

运行以下命令安装 Python 依赖：

bash

pip install -r ${SKILL_DIR}/requirements.txt

如果 pip 命令失败，尝试使用项目虚拟环境：

bash

source ${SKILL_DIR}/.venv/bin/activate && pip install -r ${SKILL_DIR}/requirements.txt

Step 3: Execute Data Pull

构建并执行以下命令来获取 Jira Bug 数据：

bash

python ${SKILL_DIR}/scripts/get_jiraData.py \
  --server <JIRA_SERVER_URL> \
  --token <PAT> \
  --project <PROJECT_KEY> \
  [--issue-type Bug] \
  [--start-date YYYY-MM-DD] \
  [--end-date YYYY-MM-DD] \
  [--severity-field customfield_NNNNN] \
  [--no-verify]

如果使用用户名密码认证，将 --token 替换为 --username <USER> --password <PASS>。

脚本输出：stdout 为结构化 JSON 数据，stderr 为进度信息。捕获 stdout 的 JSON 内容进行后续分析。

Issue Type 自动检测：如果脚本返回 0 条数据，可能是 Issue Type 名称不匹配。此时应通过 REST API 查询项目实际的 Issue Type 列表：

bash

curl -u <USER>:<PASS> -k <SERVER>/rest/api/2/project/<PROJECT_KEY> | python3 -c "import sys,json;[print(t['name']) for t in json.load(sys.stdin).get('issueTypes',[])]"

如果发现实际名称为中文（如 故障、缺陷），用 --issue-type 参数指定后重新执行。

错误处理：

如果脚本退出码非零，向用户展示 stderr 中的错误信息
401 错误：提示用户检查认证凭据
403 错误：提示用户检查项目访问权限
连接错误：提示用户检查服务器 URL 和网络/VPN 连接
SSL 错误：建议使用 --no-verify 参数

Step 4: Analyze the Data

基于获取到的 JSON 数据进行全面分析。JSON 包含三部分：metadata（元数据）、aggregations（聚合统计）、issues（原始 Issue 列表）。

重点关注以下分析维度：

4.1 Executive Summary（执行摘要）

总 Bug 数量、未解决数量、已解决数量
未解决率（未解决/总数）
Bug 创建趋势方向（增长/稳定/下降）
平均解决时间

4.2 Bug Creation Trend（Bug 创建趋势）

按月展示 Bug 创建数量变化
识别峰值月份并尝试关联可能的原因
对比创建量与解决量的差异趋势

4.3 Priority Distribution（优先级分布）

各优先级的 Bug 数量和占比
如果 Blocker/Critical 占比异常高，发出警告

4.4 Severity Distribution（严重程度分布）

各严重程度级别的数量和占比（如果有 severity 数据）
对比 severity 与 priority 是否存在不匹配

4.5 Component/Module Hotspots（组件热点）

哪些组件的 Bug 最多
哪些组件的平均解决时间最长
识别需要重点关注的模块

4.6 Resolution Time Analysis（解决时间分析）

整体解决时间统计（均值、中位数、P90）
按优先级分析解决时间——高优先级 Bug 是否得到快速响应
按严重程度分析解决时间
识别解决时间异常长的 Bug

4.7 Assignee Workload（经办人工作负载）

各经办人的 Bug 分配数量
未分配的 Bug 数量
各经办人的已解决 Bug 数和解决效率

4.8 Unresolved Bug Aging（未解决 Bug 老化分析）

按老化区间统计：0-7天、8-30天、31-90天、90天以上
按优先级统计未解决的 Bug
标记超过 90 天未解决的高优先级 Bug

4.9 Labels & Tags（标签分析）

常见标签/主题分析
识别回归 Bug（regression 标签）等模式

4.10 Recommendations（建议）

基于以上分析提出 3-5 条可操作的改进建议
针对具体问题给出针对性建议（例如：组件 X 需要更多测试覆盖、经办人 Y 负载过高需要分摊等）

已解决/未解决判定规则（两步判定）： 脚本采用两步判定逻辑，聚合数据中的 unresolved_count、by_assignee_detailed 等字段均基于此规则：

第一步：检查 resolution 字段 — 不为空则判定为「已解决」
第二步：若 resolution 为空，再检查 status — 以下状态视为「已解决」：已关闭、INVALID、DUPLICATED、无法复现、已解决
其余状态（如 OPEN、Inprogress、POSTPONE）视为「未解决」

每条 Issue 的 JSON 中包含 _resolved 布尔字段，表示最终判定结果。

注意：聚合数据已在 Python 脚本中预计算，直接使用 aggregations 中的数值，不要自行重新计算。只在需要具体举例时才引用 issues 数组中的个别 Issue。

Step 5: Generate HTML Report

基于分析结果生成一个自包含的 HTML 文件，要求如下：

技术要求

单文件：所有 CSS 和 JavaScript 内联在 HTML 中，不依赖外部 CDN 或文件
图表：使用内联 SVG 绘制图表（柱状图、饼图、趋势图等），不使用外部图表库
兼容性：可直接用 file:// 协议在浏览器中打开

数据驱动渲染（重要）

禁止在 HTML 中硬编码任何数据数值。 所有图表和表格必须从嵌入的原始 JSON 数据动态渲染：

在 HTML <head> 中嵌入完整的脚本输出 JSON：

html

<script>
const REPORT_DATA = <将 get_jiraData.py 输出的完整 JSON 粘贴于此>;
</script>

所有 SVG 图表必须由 JavaScript 函数从 REPORT_DATA.aggregations 读取数据后动态创建 DOM 元素，不得在 SVG 标签中手写数字
Issue 明细表格从 REPORT_DATA.issues 数组渲染
指标卡片（总数、未解决数等）从 REPORT_DATA.aggregations 和 REPORT_DATA.metadata 读取
AI 分析建议（Section 10）也应尽量从 REPORT_DATA 中读取数据动态拼接，而非手写固定数字

这样确保页面上展示的每一个数值都可追溯到原始数据，不存在数据编造或计算偏差的可能。

图表动态尺寸规则

所有水平柱状图的 SVG 高度必须根据数据项数量动态计算，禁止使用固定高度
计算公式：svgHeight = dataItems.length * 40 + topPadding + bottomPadding
每根柱子高度 28px，间距 12px
左侧为文字标签预留足够空间（至少 150px），标签不得超出 SVG viewBox
当数据项超过 15 个时，外层容器设置 max-height: 600px; overflow-y: auto 实现滚动

页面结构

text

Header: 报表标题、项目名称、日期范围、生成时间（蓝紫渐变背景）
Navigation: 顶部粘性导航栏，包含各章节锚点链接

Sections:
1. Executive Summary — 8 张指标卡片（4列x2行），数据从 aggregations 读取
   数据分类说明面板 — 可折叠，展示已解决/未解决的两步判定规则及来源拆分
2. Bug Trend — SVG 柱状图，按月展示创建数和解决数
3. Priority Distribution — SVG 水平柱状图或环形图
4. Severity Distribution — SVG 图表（如果有 severity 数据，否则跳过此节）
5. Component Hotspots — SVG 柱状图，按数量降序排列
6. Resolution Time — 统计表格（含说明列）+ 按优先级解决时间表格
7. Assignee Analysis — SVG 水平柱状图（使用 `aggregations.by_assignee_detailed` 数据，按 total 降序）+ 表格（经办人、总数、已解决、未解决、解决率、平均解决天数）。柱状图高度按经办人数量动态计算
8. Aging Analysis — SVG 柱状图展示老化区间分布 + 未解决按优先级表格
9. Labels — 柱状图（Top 25）
10. AI Recommendations — 从 REPORT_DATA 动态拼接的改进建议列表
11. Issue Detail Table — 完整 Bug 列表，支持客户端搜索、排序和 Excel 下载

Footer: 报告说明和生成信息

视觉风格

使用专业的明亮主题（页面背景 #f0f2f5，卡片/区块白色，Header 蓝紫渐变）
清晰的排版层次，紧凑间距，最大宽度 1200px
响应式布局，适配不同屏幕宽度
SVG 图表使用 viewBox + preserveAspectRatio="xMinYMin meet" 实现自适应容器宽度，禁止固定像素宽度
SVG 图表配色统一协调

指标卡片布局

使用 grid 4 列 布局（grid-template-columns: repeat(4, 1fr)），共 8 张卡片排成 2 行
每张卡片内部：上方为图标 + 标签（横排），下方为数值，再下方为灰色辅助信息
数值和标签必须设置 overflow: hidden; text-overflow: ellipsis; white-space: nowrap 防止内容溢出卡片边界
8 张卡片：总故障数、已解决、未解决、中位数解决时间、本月新增、90天+高龄、最热组件、积压最多的经办人

数据分类说明面板

在指标卡片下方放置一个可折叠面板，标题为「数据分类说明：已解决与未解决是如何判定的？」：

默认收起，点击展开
展开后清晰说明两步判定规则（resolution 优先，status 兜底）
左右两栏分别展示：已解决的来源拆分（resolution 判定 vs status 判定的各状态计数）、未解决的 status 分布
数据从 REPORT_DATA.issues 的 _resolved、resolution、status 字段动态统计

数据来源提示（Tooltip）

每个 Section 标题旁放置一个 ? 圆形提示图标，鼠标悬停弹出气泡说明数据来源字段和计算方式
例如：趋势图提示「按 created / resolutiondate 按月聚合」，解决时间提示「resolution_days = (resolutiondate - created) / 86400」

Issue 表格功能

搜索框：实时过滤表格内容
可点击列头排序
显示字段：Key、Summary、Status、Priority、Severity、Assignee、Created、Resolution Days
状态和优先级用不同颜色标记

原始数据 Excel 下载功能

在 Issue 明细表的搜索框旁边放置一个**「下载 Excel」**按钮，点击后在客户端生成并下载包含全部原始 Issue 数据的 Excel 文件。

技术实现要求：

使用纯 JavaScript 在客户端生成 Excel XML Spreadsheet（Office 2003 XML 格式），不依赖任何外部库或 CDN
将全部 issues 数组中的数据写入 Excel，每条 Issue 一行
Excel 列：Key、Summary、Status、Priority、Severity、Assignee、Reporter、Created、Resolved、Resolution、Components、Labels、Fix Versions、Original Estimate (h)、Time Spent (h)、Resolution Days
数值字段（估时、耗时、解决天数）使用 Number 类型，其余使用 String 类型
表头行加粗并设置背景色以便区分
设置合适的列宽（如 Summary 列 300、Key 列 80 等）
对 XML 特殊字符（&, <, >, "）进行转义
文件名格式：{PROJECT_KEY}_bug_raw_data_{YYYY-MM-DD}.xls
通过 Blob + URL.createObjectURL + 临时 <a> 标签触发下载

**按钮样式：**绿色背景（#44bb66），白色粗体文字，圆角，与搜索框同行排列

文件命名和保存

文件名：{PROJECT_KEY}_bug_analysis_{YYYY-MM-DD}.html
保存在用户的当前工作目录（不是 skill 目录）
生成后告知用户文件路径

Error Recovery

脚本返回 0 条数据：告知用户未找到匹配的 Bug，建议扩大日期范围或检查项目 Key 是否正确
Severity 字段全部为 null：在报表中跳过严重程度分析章节，并在执行摘要中说明
数据量超过 500 条：分析时重点关注聚合数据，只在必要时引用个别 Issue
网络或认证错误：展示具体错误信息，给出排查建议

Jira BUG Analysis Assistant[Jira-BUG分析助手]

Install

Jira Bug Analysis Skill

Step 1: Gather Connection Parameters

Step 2: Install Dependencies

Step 3: Execute Data Pull

Step 4: Analyze the Data

4.1 Executive Summary（执行摘要）

4.2 Bug Creation Trend（Bug 创建趋势）

4.3 Priority Distribution（优先级分布）

4.4 Severity Distribution（严重程度分布）

4.5 Component/Module Hotspots（组件热点）

4.6 Resolution Time Analysis（解决时间分析）

4.7 Assignee Workload（经办人工作负载）

4.8 Unresolved Bug Aging（未解决 Bug 老化分析）

4.9 Labels & Tags（标签分析）

4.10 Recommendations（建议）

Step 5: Generate HTML Report

技术要求

数据驱动渲染（重要）

图表动态尺寸规则

页面结构

视觉风格

指标卡片布局

数据分类说明面板

数据来源提示（Tooltip）

Issue 表格功能

原始数据 Excel 下载功能

文件命名和保存

Error Recovery

Related skills