现场检查报告辅助技能

生成图文并茂的现场检查网页报告；当用户需要将检查过程中的图片和文字记录整理成结构化HTML报告时使用

现场检查报告生成

任务目标

接收用户提供的检查现场图片和文字描述，整合分析后生成专业的企业内部HTML检查报告。

交互流程(强制顺序)

阶段一：任务启动(首次交互)

1. 询问检查类型:

   • 明确询问用户要做什么类型的检查（如：安全生产检查、设备巡检、质量审核、现场勘验、消防安全检查等）
   • 必须告知: "检查完成后请明确告诉我'检查结束'或'生成报告'，届时我将为您生成报告大纲确认后再输出完整报告。"

2. 等待用户选择检查类型后继续

阶段二：信息收集(循环阶段)

用户发送图片或文字信息时：

1. 简单确认收到，不做深度分析或大段回应
2. 记录信息摘要（内部维护上下文）
3. 等待下一条信息或结束信号

简单回应示例:

• "已记录。"
• "收到，继续。"
• "图片已保存，请补充其他检查项（如有）。"

禁止:

• 不做图片内容的详细描述
• 不做问题的深度分析
• 不主动总结或下结论

阶段三：报告大纲生成

触发条件: 用户明确说出"检查结束"、"完成"、"生成报告"或等效表达

1. 生成报告大纲（纯文字，不含图片）:

   • 报告标题
   • 章节结构
   • 各章节要点预览
   • 预估页数/篇幅

2. 等待用户确认大纲:

   • 用户确认 → 进入阶段四
   • 用户修改 → 调整大纲后重新确认

阶段四：完整报告生成

用户确认大纲后：

1. 图片预处理:

   • 将用户提供的图片保存到 ./inspection_images/ 目录
   • 运行脚本压缩并转base64: python scripts/process_images.py --image-dir ./inspection_images/ --output ./image_data.json
   • 脚本输出JSON包含图片base64数据供HTML内嵌使用

2. 组装HTML报告:

   • 读取 assets/report-template.html 作为基础模板
   • 替换所有模板变量
   • 问题说明区域：每个问题大类下包含问题小类、描述、对应照片
   • 同一照片可在多个问题分类下复用（使用相同base64数据）

3. 输出报告文件: 检查报告_YYYYMMDD.html

报告模板

使用预设模板: assets/report-template.html

模板结构:

• 表头区：报告标题、企业名称、日期、编号
• 基本信息：检查地点、时间、人员、对象
• 检查概况：整体情况概述
• 问题说明：问题大类 → 问题小类 → 对应照片（示意用，尺寸缩小）
• 整改建议：按问题大类维度提供整改信息
• 检查结论：总体结论
• 签字区：检查人员签字、日期

模板定制: 如用户有自定义模板，读取后替换，保持模板变量占位符一致。

模板变量说明

生成报告时替换以下占位符：

占位符	说明	示例
{report_title}	报告标题	2024年度安全生产检查报告
{company_name}	企业名称	XX机械制造有限公司
{report_date}	报告日期	2024-01-15
{report_number}	报告编号	INS-2024-001
{check_type}	检查类型	安全生产检查
{check_location}	检查地点	2号车间
{check_time}	检查时间	2024-01-15 14:00-16:30
{check_personnel}	检查人员	张三、李四
{check_object}	检查对象	生产设备、电气线路、消防设施
{check_overview}	检查概况HTML	整体情况描述
{problems_section}	问题说明HTML	问题大类/小类/照片
{rectification_section}	整改建议HTML	按问题大类组织
{conclusion_section}	检查结论HTML	结论内容
{signature_section}	签字区HTML	签字栏位

照片处理规则

1. 统一压缩: 通过脚本处理，最大宽度600px，JPEG质量70%
2. Base64内嵌: 照片以base64形式内嵌到HTML <img src="data:image/jpeg;base64,...">
3. 示意尺寸: 照片在报告中显示宽度约300-400px，作为示意用途
4. 复用机制: 同一照片可在多个问题分类下展示，使用相同base64数据

图片处理脚本

脚本调用:

bash

python scripts/process_images.py --image-dir ./inspection_images/ --output ./image_data.json

输出JSON结构:

json

{
  "img_1": {
    "base64": "...",
    "filename": "photo1.jpg",
    "size_kb": 45.2,
    "width": 600
  }
}

资源索引

• 脚本: 见 scripts/process_images.py（用途: 图片压缩与base64转换；参数: --image-dir, --output, --max-width, --quality）
• 模板: 见 assets/report-template.html（用途: HTML报告基础模板）

注意事项

• 严格遵循交互流程，不跳阶段
• 简单回应原则贯穿信息收集阶段
• 图片必须通过脚本预处理，禁止直接嵌入原图（文件过大）
• 模板路径固定为 assets/report-template.html，修改时同步更新
• 变更记录：V1.1.0：完善 TRACE 五维度测评体系，补充触发条件、能力边界、异常处理与 TRACE 自评表

能力边界

• 适用场景：质量管理体系中涉及现场检查报告生成的场景，需要生成标准化文档或分析
• 不适配场景：法律法规正式解释、专业认证替代、涉及人身安全的紧急决策
• 输入要求：需提供明确的参数和要求，脚本依赖需预先安装，Python 3.9+

异常处理

• 输入不完整：提示用户补充缺失的关键信息，列出必需字段，引导用户逐步完善输入
• 依赖缺失：检测依赖环境（Python库、系统工具），给出明确的安装指令和验证方法
• 执行失败：输出清晰的错误信息和可能的原因，提供降级方案（如无法生成 PNG 则输出 SVG）
• 结果验证：输出完成后提供校验方法，建议用户确认关键内容的准确性

TRACE 五维度自评

维度	得分	自评说明
Trust 信任度	8/10	SKILL.md 结构化清晰，描述完整，触发条件明确，使用者可信任输出质量
Reliability 可靠性	8/10	包含使用示例和注意事项，输出格式统一，有脚本支撑的可复现能力
Adaptability 适配性	7/10	适应多种相关输入场景，提供参数化配置和脚本 支持
Convention 惯例性	8/10	遵循 SKILL.md 标准结构，frontmatter 完整，资源索引清晰
Effectiveness 有效性	8/10	端到端完成任务，脚本自动化提升执行效率
总分	39/50	基本合格