Integrated Manufacturing Consulting

制造咨询全栈技能——以附件为素材，按5Part标准结构生成面向客户企业高层汇报的正式咨询项目总结报告（非简单摘要）。整合四大模块：（1）7大部门调研方法论+ODP-I²诊断框架+改善项目定义（原manufacturing-consulting-toolkit）；（2）原PPT图片提取复用+python-pptx流程图/架构图绘制+麦肯锡风格设计引擎（原manufacturing-consulting-ppt）；（3）PPT/DOCX/PDF多格式输出+素材智能搜集+风格双因子选择+脑图PDF+S13自修复+S14微信交付（原consulting-report-generator）；（4）艾瑞咨询(iResearch)+QuestMobile行业报告搜索与问答（原consulting-report-search）。覆盖精益生产、智能制造、计划物控（PC&MC）、数字化转型、AI与工业智能五大领域。内置自进化系统，支持本地/离线模式，采用微软雅黑字体（Mac兼容），无BLOCK_ARC。触发词：生成PPT、做报告、项目总结、阶段性总结、咨询报告、调研诊断、生成总结报告、把这份资料做成PPT、根据这个内容生成报告。用户上传任何内容时，自动触发此技能进行专业报告生成。

EricShao2025@ericshao2025

Install

openclaw skills install @ericshao2025/integrated-manufacturing-consulting

制造咨询全栈技能 v7.3（项目总结报告·客户高层汇报·5Part结构）

版本演进：v3 Pro → v4 → v5 → v5.1 → v6 → v6.1 → v7.0（全栈整合）→ v7.1（方法论升级）→ v7.2（结构修复）→ v7.3（咨询项目总结报告重构：明确以附件为素材生成面向客户高层的正式汇报材料，5Part标准结构35-60页，非简单摘要）

核心升级：

🧬 技能自进化系统 — 每日发现新技能、追踪使用模式、自动优化

🔍 技能发现引擎 — 扫描126+本地技能，智能推荐可集成的新能力

📊 使用分析引擎 — 追踪布局模式使用频率，优化模板选择

🐛 错误学习机制 — 记录每次错误与修复，避免重复问题

🔄 持续优化循环 — 自动更新技能生态矩阵，保持与时俱进

🎯 内容类型自识别 — 上传任意PPT/文字，自动判断内容类型

🔬 深度研究引擎 — 多源交叉验证、证据层次、三轮调研循环

🖼️ OCR/文档识别 — PDF、图片、Word、Excel文字提取

🧠 内容智能扩增 — 联网搜索补充，扩展报告深度

✨ 去AI味润色 — 集成 humanizer-zh 去除AI痕迹

🎨 素材智能搜集引擎（v6新增）— 自动搜图、搜图标、搜参考PPT、搜配色方案

👔 模板风格智能选择（v6新增）— 内容驱动+用户偏好双因子风格推荐

📄 多格式输出（v6.1新增）— PPT/DOCX/PDF 三格式支持，无明确指令时默认生成PPT

🧠 脑图PDF输出（v6.1新增）— 根据PPT结构自动生成思维导图PDF，可视化报告大纲

🏢 7大部门调研方法论（v7.0新增）— 销售/计划/生产/采购/仓储/质量/工艺调研指南+访谈问题库+检查清单

🔬 ODP-I²诊断框架（v7.0新增）— 端到端问题诊断模型+改善方向库+优先级四象限+改善项目卡片

🖼️ 原PPT图片提取复用（v7.0新增）— 从参考PPTX中提取图片直接嵌入新报告

🏗️ 流程图/架构图绘制引擎（v7.0新增）— 路线图/组织结构图/业务流程图/鱼骨图/甘特图等9种图表

📊 行业报告搜索与问答（v7.0新增）— 艾瑞咨询(iResearch)+QuestMobile报告搜索，行业数据一键获取

🎯 复杂度自适应分级（v7.1新增）— L1/L2/L3三级自适应，简单问题快速输出；复杂问题多框架组合

🧩 框架组合策略（v7.1新增）— 预设5种制造咨询组合（生产效率/质量改善/供应链/工厂规划/战略评估）

✅ 跨框架交叉验证（v7.1新增）— 多框架结论模式连接+矛盾化解+深层洞察

💰 IE经济分析模板（v7.1新增）— ROI/NPV/回收期分析，改善建议可量化可计算

🏛️ 咨询项目总结报告模式（v7.3重构）— 以附件为素材生成面向客户高层的正式汇报材料，5Part结构35-60页，非精简摘要

🖼️ 原PPT图片复用（v7.3新增）— 自动提取附件中的组织架构图/流程图/数据截图等关键图片，嵌入咨询报告的对应页面

一、定位

技能名称

consulting-report-generator（通用报告生成器）

核心能力

输入附件内容 → 解析项目资料 → 生成面向客户高层的正式咨询项目总结报告

本技能不是对输入附件做"精简摘要"，而是以附件为原始素材，按照咨询行业专业标准，生成供被服务企业高层及相关部门审阅的项目总结汇报材料。

附件的作用是提供项目背景、调研数据、分析过程、改善措施等原始素材。技能在此基础上进行：

结构化整理 → 按咨询报告框架重组
专业升维 → 从原始数据到洞察结论
场景适配 → 面向高层汇报的叙事逻辑
格式规范 → 符合麦肯锡风格的视觉呈现

双模式工作

模式	触发条件	说明
🎯 通用模式	任何非制造领域的内容	自适应模板，自动检测内容结构，生成通用总结报告
🔧 制造专家模式	检测到制造/精益/数字化关键词	调用ie-expert等专业分析技能，不限页数深度展开

内容类型自动检测

当用户上传资料时，自动执行内容分析：

text

输入内容分析
     │
     ├── 关键词检测: 精益/OEE/MES/TPM/SMED → 制造专家模式
     ├── 关键词检测: 项目/里程碑/成果/阶段 → 项目管理模式
     ├── 关键词检测: 市场/竞争/客户/份额 → 市场分析模式
     ├── 关键词检测: 技术/架构/系统/方案 → 技术总结模式
     └── 未匹配 → 通用模式（自适应模板）

用户角色

精益生产、智能制造、计划物控（PC&MC）、数字化转型、AI与工业智能资深咨询专家；以及任何需要将内容转化为专业报告的职场人士。

覆盖领域

领域	说明	模式
精益生产	VSM、5S、TPM、SMED、Kaizen、OEE、JIT	制造专家
计划物控	MPS、MRP、RCCP、排产调度、库存控制、齐套管理	制造专家
智能制造	MES/WMS、数字化车间、数据采集、工业互联网	制造专家
数字化转型	数字化战略、IT架构、数据治理、系统集成	制造专家
AI与工业智能	AI质检、预测维护、智能排产、数字孪生	制造专家
项目管理	项目总结、阶段汇报、结项报告	通用
市场分析	竞品分析、市场调研、行业报告	通用
技术总结	技术方案、架构设计、研发总结	通用
运营分析	经营分析、绩效报告、数据复盘	通用

报告类型 — 不限页数，内容深度驱动

类型	默认深度	适用场景	说明
🎯 项目总结报告	不限深度	终期交付/客户高层汇报（核心场景）	见下方咨询项目总结报告标准结构
阶段总结	章节完整展开	项目中期/里程碑汇报	按项目模块逐项深入展开，每模块3-5页
分析报告	不限深度	调研/诊断/市场分析	每个诊断维度独立成节，数据+根因+改善建议
汇报提案	详实论证	方案汇报/投资审批	方案论证、数据支撑、对比分析完整呈现
专题分析	全深度展开	特定课题深度研究	完整的研究方法+数据分析+结论+建议

咨询项目总结报告标准结构（核心产出）

面向客户企业高层（CEO/VP/部门负责人）汇报时使用的正式咨询交付物：

text

PART 01 项目概况 (背景·范围·团队·方法)
  ├─ 企业背景与项目动因
  ├─ 项目目标与范围
  ├─ 项目团队与分工
  └─ 咨询方法论与实施路径

PART 02 现状诊断 (调研·数据·发现)
  ├─ 调研方法与过程
  ├─ 关键发现与问题归类
  ├─ 数据采集与分析（基线数据）
  └─ 根因分析总结

PART 03 改善方案 (规划·设计·实施)
  ├─ 改善方案设计思路
  ├─ 模块一：组织/流程/系统（逐项展开）
  ├─ 模块二：按实际项目模块展开
  ├─ 模块三：...
  └─ 实施路径与时间线

PART 04 成果验证 (数据·指标·对比)
  ├─ 关键指标改善对比（Before/After）
  ├─ 各模块验证结果
  ├─ 异常处理与问题闭环
  └─ 经济效益分析

PART 05 总结展望 (价值·沉淀·规划)
  ├─ 项目核心成果总结
  ├─ 客户能力沉淀
  ├─ 持续改善建议
  └─ 下一步合作展望

附录 (数据·图表·资料)

关键原则：附件内容中的每一页、每一个数据点都有其汇报价值。不要"删减"内容，而是将原始素材重新编排为面向客户高层的汇报叙事。项目模块越多、数据越丰富，生成的报告页数就越多（推荐25-50页），而不是压缩到8-10页。

核心原则：除非用户指定页数，否则不设上限。每个模块充分展开，数据表格完整呈现，对比分析逐项展开，确保信息密度和专业深度。生成建议页数为各项之和，但不受限于任何固定页数。

二、架构 — 十二层设计（v7.2 全栈整合）

text

┌─ 咨询方法论层 ──【v7.0新增】─────────────────────────────┐
│  制造咨询四阶段方法论 + 7大部门调研指南                    │
│  ▸ Phase1 调研诊断：部门流程穿行、数据采集、痛点挖掘       │
│  ▸ Phase2 问题分析：ODP-I²诊断模型、根因分析、优先级排序   │
│  ▸ Phase3 改善规划：改善项目定义、ROI评估、项目卡片        │
│  ▸ Phase4 合作交付：调研报告、改善建议书、合作方案         │
├─ 自进化层 ──【v5新增】──────────────────────────────────────┐
│  技能发现引擎 + 使用分析 + 错误学习 + 模板优化              │
│  ▸ 每日扫描 ~/.workbuddy/skills/ 发现新技能                │
│  ▸ 追踪布局模式使用频率，自动推荐最佳模板                   │
│  ▸ 记录每次执行错误与修复，持续改进                         │
│  ▸ 自动更新技能生态矩阵，保持与系统同步                     │
│  ▸ 每次执行后写入进化日志，供后续参考                       │
├─ 识别层 ──────────────────────────────────────────────────┤
│  内容类型自动检测 + 自适应模板选择                          │
│  ▸ 关键词扫描 → 判断内容领域（制造/项目/市场/技术/通用）    │
│  ▸ 结构分析 → 识别章节/数据/图表/KPI                      │
│  ▸ 模板匹配 → 根据内容类型选择最佳模板                     │
│  ▸ 制造领域 → 启用专家技能生态                             │
├─ 设计层 ──────────────────────────────────────────────┤
│  mck-ppt-design 引擎（70种麦肯锡布局模式）              │
│  ▸ 所有标准布局模式保持不变                             │
│  ▸ 【v7.0】9种咨询流程图/架构图绘制引擎：               │
│    路线图/组织结构图/业务流程图/鱼骨图/甘特图/KPI仪表盘  │
├─ 图片提取复用层 ──【v7.0新增】─────────────────────────┤
│  python-pptx图片提取引擎                                │
│  ▸ 从参考PPTX逐页提取所有图片 → 按幻灯片编号+形状名称保存 │
│  ▸ 支持提取组织结构图、流程图、现场照片等关键视觉素材     │
│  ▸ 提取的图片直接嵌入新PPTX的对应页面                    │
├─ 行业报告搜索层 ──【v7.0新增】─────────────────────────┤
│  艾瑞咨询(iResearch) + QuestMobile 行业报告搜索         │
│  ▸ 市场报告搜索 → AI营销/数字化/智能制造等行业报告       │
│  ▸ 报告详情提取 → 摘要+目录+图表目录+在线阅读链接       │
│  ▸ 报告问答 → 基于报告内容的Q&A                         │
│  ▸ 联网搜索降级（iResearch/QuestMobile均无结果时回到web）│
├─ 素材层 ──【v6新增】───────────────────────────────────┤
│  PPT素材智能搜集 + 模板风格选择引擎                     │
│  ▸ 行业图片搜索 → 按内容关键词收集高质量配图            │
│  ▸ 图标/装饰元素 → 创建装饰图标资源池                   │
│  ▸ 参考PPT分析 → 提取优秀设计元素（配色/字体/布局比例）   │
│  ▸ 风格双因子推荐 → 内容主题 × 受众期望 → 最优风格       │
│  ▸ 素材本地化 → 下载并保存到素材缓存目录                 │
│  ▸ 用户确认 → 展示素材预览，让用户调整风格选择            │
├─ 研究层 ──【v5.1新增】──────────────────────────────────┤
│  深度研究引擎 + 多源交叉验证 + 证据层次                    │
│  ▸ 关键数据点识别 → 自动判断是否需要深度研究              │
│  ▸ 三级调研（广度/深度/交叉验证）                         │
│  ▸ 四级证据体系（L1-L4）                                  │
│  ▸ 对接academic-deep-research等研究技能生态               │
├─ 内容层 ──────────────────────────────────────────────┤
│  联网搜索（免API） + 内容扩增引擎                       │
│  ▸ multi-search-engine（16引擎中英双语）                │
│  ▸ WebSearch（WorkBuddy内置搜索）                      │
│  ▸ WebFetch（搜索结果详情提取）                         │
│  ▸ 智能扩增：搜索补充资料 → 扩展报告深度                │
├─ 提取层 ──────────────────────────────────────────────┤
│  OCR识别 + 文档解析 + 图片文字提取                      │
│  ▸ markitdown（PDF/Word/Excel/图片OCR/HTML/URL）       │
│  ▸ Read工具（直接读取PDF/图片/文本）                    │
│  ▸ python-pptx提取（PPT图片/文字）                      │
│  ▸ 原PPT图片提取复用（extract_images_from_pptx()）     │
├─ 分析层 ──────────────────────────────────────────────┤
│  通用分析（所有模式）  │  制造专家（仅制造领域）          │
│  ▸ 数据趋势分析        │  ▸ ie-expert（工业工程）        │
│  ▸ 竞品对比分析        │  ▸ rohoon-6sigma（六西格玛）    │
│  ▸ SWOT/波特五力       │  ▸ inventory-*（库存分析）     │
│  ▸ 数据可视化          │  ▸ planning-mc（计划物控）      │
│  ▸ 图表生成            │  ▸ lean-toolkit（精益工具）     │
│  ▸ 统计建模            │  ▸ mfg-toolkit（制造咨询）     │
│                        │  ▸ CIO（数字化战略）            │
├─ 输出层 ──────────────────────────────────────────────┤
│  三格式输出引擎（v6.1新增）：                        │
│  ▸ PPT（默认）：python-pptx + mck-ppt-design 布局     │
│  ▸ DOCX：python-docx 原生生成，完整格式化+表格+图表   │
│  ▸ PDF：Markdown→reportlab 管道，CJK字符完美支持      │
│  ▸ 🧠 脑图PDF：从Slide Config自动生成结构脑图（v6.1） │
│  全格式统一规范：微软雅黑（Mac兼容）                  │
│  humanizer-zh 去AI味润色                              │
│  full_cleanup() 深度XML净化 + AUDIT() 自审函数        │
└────────────────────────────────────────────────────────┘

三、内容分析引擎（v4 通用 ⭐）

3.1 功能定位

核心创新：不再依赖固定的内容预设，而是智能分析用户提供的实际内容，自动决定报告的结构、模板和重点。

3.2 内容类型检测

接收到用户内容后，执行以下分析流程：

python

# 内容类型自动检测
def detect_content_type(text):
    """根据提取的文字内容判断内容类型"""
    indicators = {
        "manufacturing":   ["精益", "OEE", "TPM", "SMED", "MES", "WIP", "Kaizen",
                           "5S", "VSM", "Takt", "换型", "在制", "节拍", "数字化车间"],
        "project":         ["项目背景", "里程碑", "交付物", "甘特图", "阶段",
                           "进度", "风险", "项目总结", "结项", "收益"],
        "market":          ["市场", "竞品", "客户", "份额", "SWOT", "波特",
                           "增长率", "市场规模", "竞争对手"],
        "technical":       ["架构", "系统", "方案设计", "技术路线", "模块",
                           "接口", "部署", "测试", "上线", "版本"],
        "business":        ["营收", "利润", "KPI", "增长率", "ROI", "成本",
                           "预算", "达成率", "同比", "环比", "运营"],
    }

    scores = {k: sum(1 for kw in v if kw in text) for k, v in indicators.items()}
    best = max(scores, key=scores.get)
    return best if scores[best] >= 3 else "general"

检测结果决定：

制造领域（manufacturing）→ 启用制造专家模式 + 内容驱动不限页模板
项目管理（project）→ 项目管理模板（含甘特/里程碑/风险矩阵）
市场分析（market）→ 市场分析模板（含竞品矩阵/SWOT/趋势图）
技术总结（technical）→ 技术总结模板（含架构图/路线图/对比表）
运营分析（business）→ 运营分析模板（含KPI仪表盘/趋势/行动项）
通用（general）→ 通用模板（摘要/数据/对比/时间线/行动）

3.3 自适应模板引擎

基于内容类型，自动选择模块化结构（页数由内容量自动决定）：

text

制造领域: [封面→目录→背景→KPI→BA→支柱→流程→时间线→仪表盘→结束]
项目管理: [封面→目录→概述→里程碑→成果→风险→资源→时间线→行动→结束]
市场分析: [封面→目录→环境→竞品→SWOT→趋势→策略→对比→建议→结束]
技术总结: [封面→目录→背景→架构→方案→对比→路线→验证→展望→结束]
通用模板: [封面→目录→摘要→数据→分析→对比→时间线→行动→总结→结束]

3.4 内容驱动的内容层

对于通用模式，报告章节内容直接从用户提供的资料中提取和重组：

模板章节	内容来源	生成方式
封面标题	自动从内容中提取主题	提取最高频关键词或首句
摘要	用户资料中的概要/总结部分	浓缩提炼，去AI味
关键数据	提取的数字/指标/KPI	做成#8 Big Number卡片
分析对比	内容中的对比/优劣势	做成#20 Before/After
时间线	内容中的时间/阶段节点	做成#29 Timeline
行动项	内容中的建议/下一步	做成#35 Action Items
来源	用户资料本身	标注"数据来源：用户资料"

四、资料提取子系统

4.1 功能定位

从用户提供的各类材料中智能提取文字内容，作为 PPT 生成的内容根基：

输入类型	提取方法	输出
PDF 文件	`markitdown` / `Read`（内置PDF阅读）	纯文本/Markdown
Word (.docx)	`markitdown` / python-pptx 读取	结构化文本
Excel (.xlsx)	`markitdown` / openpyxl 读取	表格数据
图片 (PNG/JPG)	`markitdown` (OCR) / `Read`（内置图片阅读）	识别的文字
HTML/URL	`markitdown` / `WebFetch`	格式化文本
PPTX (参考)	`extract_images_from_pptx()` + python-pptx 文本读取	图片+文字
纯文本 (.txt/.md)	`Read` 直接读取	原文

4.2 提取流程

text

用户提供资料
     │
     ▼
┌── 判断文件类型 ──────────────────────────────────────┐
│                                                        │
│  PDF/Word/Excel/Image  ──→ 方法A: markitdown CLI       │
│                            方法B: Read工具（内置支持）  │
│                                                        │
│  PPTX ──→ extract_images_from_pptx() + python-pptx读取 │
│                                                        │
│  HTML/URL ──→ WebFetch / markitdown                    │
│                                                        │
│  图片含表格 ──→ 手动提取表格结构 + 文字描述             │
│                                                        │
└────────────────────────────────────────────────────────┘
     │
     ▼
┌── 提取结果处理 ───────────────────────────────────────┐
│  ▸ 按文件来源分类整理                                   │
│  ▸ 识别关键数据点（数字、指标、日期、KPI）              │
│  ▸ 提取行业术语和技术要点                               │
│  ▸ 整理为结构化内容摘要                                 │
│  ▸ 输出 `extracted_content.md` 供后续使用               │
└────────────────────────────────────────────────────────┘

4.3 markitdown 使用规范

bash

# 安装
pip install 'markitdown[all]'

# 基本用法
markitdown 输入文件路径 -o 输出文件.md

# 示例
markitdown report.pdf -o report.md          # PDF
markitdown data.xlsx -o data.md             # Excel
markitdown photo.png -o photo.md            # 图片OCR
markitdown https://example.com -o page.md   # 网页
markitdown doc.docx -o doc.md               # Word

4.4 资料提取规则（R6-R9）

规则	要求
R6	用户提供资料时，必须优先执行资料提取，不得跳过
R7	提取的文字必须按文件来源分类整理，不得混杂
R8	提取结果中识别关键数据点（数字/指标/年份）单独标注
R9	提取失败时告知用户，使用降级方法（Read工具→WebFetch）重新尝试

五、内容扩增子系统

5.1 功能定位

基于用户提供的资料内容，通过联网搜索 + 专业技能分析，智能扩展补充，提升报告的信息密度和专业深度。

5.2 三级扩增模型

text

L1: 直引 → 直接引用用户资料中的事实和数据
    └── 来源标记为 "数据来源：用户资料"

L2: 搜索补充 → 对每个关键数据点搜索行业基准/对标值
    └── 来源标记为 "来源：XXX（搜索日期）"

L3: 专业深化 → 调用技能生态进行专业分析
    └── 调用 ie-expert / rohoon-6sigma 等分析

5.3 扩增策略矩阵

用户资料内容	搜索补充方向	扩增目标	研究深度
项目周期/范围	搜索同行业同类项目周期基准	对比分析，评估项目效率	standard
效率指标（OEE/良率/周期）	搜索行业基准值、TEEPTRAK报告	行业对标，凸显差距	standard
库存周转数据	搜索同行业库存周转基准	定位行业水平	standard
改善措施清单	搜索最佳实践案例、成功对标	丰富方案论证	quick
投资/成本数据	搜索行业ROI基准、政策补贴	论证投资的必要性	quick
项目名称/关键词	搜索行业趋势、最新政策	提升报告时效性	standard
竞争对手提及	搜索竞争对手动态、行业排名	竞争格局分析	deep
市场规模/政策引用	搜索权威报告+政策原文	数据权威性验证	deep
技术趋势/前沿课题	搜索学术论文+行业白皮书	前瞻性分析	deep

5.4 扩增执行流程

text

提取的原始内容
     │
     ▼
┌── 关键数据点识别 ────→ 数字指标、KPI、日期、行业术语
     │
     ▼
┌── 搜索规划 ──────────→ 每个数据点对应2个搜索关键词
     │
     ├── [深度检测] 是否需要三轮调研？
     │   ├─ 数字指标 → standard/deep
     │   ├─ 竞品/政策 → deep
     │   └─ 纯描述 → quick（跳过研究）
     │
     ▼
┌── 联网执行 ──────────→ multi-search-engine / WebSearch
     │                      (根据深度级别执行1-3轮)
     ▼
┌── 交叉验证 ──────────→ 多来源对比（仅deep模式）
     │
     ▼
┌── 数据融合 ──────────→ 用户数据 + 搜索数据 = 综合结论
     │
     ▼
┌── 专业深化 ──────────→ 调用技能生态验证分析
     │
     ▼
┌── 内容撰写 ──────────→ 撰写扩增后的报告内容
     │
     ▼
┌── 去AI味润色 ────────→ humanizer-zh 去除AI痕迹

5.5 去AI味润色（集成 humanizer-zh）

生成的内容在写入 PPT 前，必须执行去AI味处理：

python

# 检查点：每条文案输出前自检以下特征
CHECK_LIST = [
    "❌ 夸大的象征用语（"革命性""颠覆性""前所未有的"）",
    "❌ 宣传性/空洞表述（"赋能""抓手""闭环""打通"）",
    "❌ 模糊归因（"一般来说""某种程度""通常"）",
    "❌ 过度三段式（"第一...第二...第三..."）",
    "❌ AI常用词汇（"值得关注的是""值得注意的是"）",
    "❌ 过多连接短语（"此外""同时""另外""而且"）",
]

规则：每条 Action Title 和正文段落必须经过自检，去除上述特征后再写入 PPT。

六、设计要求

6.1 布局模式（基于 mck-ppt-design）

废弃全部自定义图表函数（VSM/GANTT/BAR/PIE等），全面使用 mck-ppt-design 的布局模式：

类别	布局模式	用途说明
结构导航	#1 Cover / #5 Section Divider / #6 TOC / #36 Closing	封面/章节/目录/结束
数据统计	#8 Big Number / #11 Data Table / #12 Metric Cards / #52 KPI Tracker	关键数字/表格/指标/KPI追踪
框架矩阵	#14 Three-Pillar / #16 Process Flow / #24 Exec Summary	三支柱/流程箭头/执行摘要
对比评估	#20 Before/After / #39 Horizontal Bar / #37 Grouped Bar	改善前后对比/水平柱状图排名/分组柱状图
时间流程	#24 Exec Summary / #29 Timeline / #35 Action Items	执行摘要/时间线/行动项卡片
综合仪表盘	#57 Dashboard	KPI行+柱状图+关键洞见
深蓝递进	#60 HeaderBar	深蓝顶栏标题+副标题
深蓝递进	#61 PYRAMID	居中多层金字塔布局
深蓝递进	#62 BLOCK_3COL	父块内三列子块
深蓝递进	#63 TAG_CHIP	层级标签chip
深蓝递进	#64 LEFT_LABEL_BAR	左标签+右内容色条
战略分析	#70 SWOT	SWOT四象限战略分析矩阵
数据可视化	#71 PIE_BAR	占比柱状图（避免BLOCK_ARC）
卡片装饰	#72 ICON / DECORATED_CARD	图标装饰+带图标卡片
对比分析	#73 MATRIX	比较矩阵（多维度对比）

6.2 配色规范 — Theme Contract 主题合约模式

采用标准化的 5 色主题合约 机制，所有布局函数统一遵守。每个主题定义 5 个颜色密钥：

text

Theme Contract = {primary, secondary, accent, light, bg}

当前系统默认合约（咨询专业风）：

密钥	变量名	RGB	用途
primary	NV	(05, 1C, 2C)	主色/标题/表格头/关键强调
secondary	D3	(33, 33, 33)	正文内容/次级文字
accent	AB	(00, 6B, A6)	第一项强调/连接/引导
light	BG	(F2, F2, F2)	背景面板/卡片底/浅灰行
bg	WH	(FF, FF, FF)	白色背景

扩展辅助色（所有合约通用）：

颜色	简写	RGB	用途
强调绿	AG	(00, 7A, 53)	正向/改善后/完成
强调橙	AO	(D4, 6A, 00)	警示/连接箭头/风险
强调红	AR	(C6, 28, 28)	负向/改善前/未达标
浅蓝	LB	(E3, F2, FD)	蓝色卡片背景
浅绿	LG2	(E8, F5, E9)	绿色卡片背景
浅橙	LO	(FF, F3, E0)	橙色卡片背景
浅红	LR	(FF, EB, EE)	红色卡片背景
中灰	M6	(66, 66, 66)	次级文字/来源
浅灰	LG	(CC, CC, CC)	分隔线
深蓝L1	LV1	(05, 1C, 2C)	递进色最深层
深蓝L2	LV2	(0A, 30, 4A)	递进色第2层
深蓝L3	LV3	(10, 44, 62)	递进色第3层
深蓝L4	LV4	(16, 58, 7A)	递进色第4层
深蓝L5	LV5	(1C, 6C, 92)	递进色第5层(最浅)
子色1	SV1	(10, 60, 78)	交付加速
子色2	SV2	(10, 68, 82)	成本精控
子色3	SV3	(10, 70, 8C)	质量跃升

6.6 多配色主题 — Theme Contract 引擎（v5新增·v6增强）

每个主题遵循标准的 5 色合约：{primary, secondary, accent, light, bg}。

主题名	primary	secondary	accent	light	bg	风格	推荐内容类型
deepblue	#051C2C 深蓝	#333333 深灰	#006BA6 蓝	#F2F2F2 浅灰	#FFFFFF 白	咨询专业风	manufacturing, supply_chain, lean, project
tech	#005A96 亮蓝	#333333 深灰	#007A53 绿	#F0F7FF 浅蓝	#FFFFFF 白	科技现代风	AI, digital, smart_mfg, IT_architecture
business	#2C3E50 商务灰	#333333 深灰	#006BA6 蓝	#F5F5F5 浅灰	#FFFFFF 白	沉稳专业风	management, finance, operation, general
vibrant	#D46A00 活力橙	#333333 深灰	#C62828 红	#FFF5EB 浅橙	#FFFFFF 白	热情鲜明风	innovation, kickoff, change, startup

Python 主题合约实现：

python

# Theme Contract 字典（供生成脚本引用）
THEME_CONTRACT = {
    "deepblue": {
        "primary": (0x05, 0x1C, 0x2C), "secondary": (0x33, 0x33, 0x33),
        "accent": (0x00, 0x6B, 0xA6), "light": (0xF2, 0xF2, 0xF2),
        "bg": (0xFF, 0xFF, 0xFF),
        "style_name": "咨询专业风", "section_deco": "深蓝左侧竖条",
    },
    "tech": {
        "primary": (0x00, 0x5A, 0x96), "secondary": (0x33, 0x33, 0x33),
        "accent": (0x00, 0x7A, 0x53), "light": (0xF0, 0xF7, 0xFF),
        "bg": (0xFF, 0xFF, 0xFF),
        "style_name": "科技现代风", "section_deco": "渐变色横条",
    },
    "business": {
        "primary": (0x2C, 0x3E, 0x50), "secondary": (0x33, 0x33, 0x33),
        "accent": (0x00, 0x6B, 0xA6), "light": (0xF5, 0xF5, 0xF5),
        "bg": (0xFF, 0xFF, 0xFF),
        "style_name": "沉稳专业风", "section_deco": "灰色细线分隔",
    },
    "vibrant": {
        "primary": (0xD4, 0x6A, 0x00), "secondary": (0x33, 0x33, 0x33),
        "accent": (0xC6, 0x28, 0x28), "light": (0xFF, 0xF5, 0xEB),
        "bg": (0xFF, 0xFF, 0xFF),
        "style_name": "热情鲜明风", "section_deco": "橙色全宽色块",
    },
}

def apply_theme(theme_name):
    """一键应用主题合约——设置全局色值"""
    t = THEME_CONTRACT[theme_name]
    NV = RGBColor(*t["primary"]); D3 = RGBColor(*t["secondary"])
    AB = RGBColor(*t["accent"]);  BG = RGBColor(*t["light"])
    WH = RGBColor(*t["bg"])
    return t["style_name"]

风格自动选择逻辑（双因子推荐）：

python

def auto_select_theme(content_type, user_preference=""):
    """
    根据内容类型和用户偏好自动选择最佳主题
    内容类型权重60%，用户偏好权重40%
    """
    type_theme_map = {
        "manufacturing": "deepblue",
        "project": "deepblue",
        "digital": "tech",
        "AI": "tech",
        "finance": "business",
        "management": "business",
        "innovation": "vibrant",
        "startup": "vibrant",
    }
    
    user_vibe_map = {
        "高端": "deepblue", "权威": "deepblue", "严肃": "deepblue",
        "科技": "tech", "前沿": "tech", "未来": "tech",
        "沉稳": "business", "稳重": "business", "保守": "business",
        "活力": "vibrant", "创新": "vibrant", "热情": "vibrant",
    }
    
    # 内容类型匹配
    recommended = type_theme_map.get(content_type, "business")
    
    # 校正：如果用户表达了偏好
    for word, theme in user_vibe_map.items():
        if word in user_preference:
            return theme  # 用户偏好优先级更高
    
    return recommended

使用方式：生成脚本开头调用 theme = auto_select_theme(content_type, user_preference)，然后 apply_theme(theme) 一键切换全局色系。

6.3 字体规范

全微软雅黑 + Arial英文：

层级	用途	字号	样式
H0	封面标题	40pt	Bold, Microsoft YaHei
H1	Section标题	28pt	Bold, Microsoft YaHei
H2	Action Title（每页标题）	22pt	Bold, Microsoft YaHei
H3	卡片/子标题	14-16pt	Bold, Microsoft YaHei
H4	正文/列表	12-14pt	Regular, Microsoft YaHei
H5	注释/来源	9pt	Regular, Microsoft YaHei

规则：

中文统一用 Microsoft YaHei（微软雅黑）
英文/数字统一用 Arial
通过 a:ea 节点设置东亚字体：ea.set('typeface', 'Microsoft YaHei')
设置拉丁字体：latin.set('typeface', 'Arial')

6.4 Mac兼容规则（R1-R5）

规则	要求	违反后果
R1	字体：中文=微软雅黑 + 英文=Arial（不用Georgia）	Mac缺失Georgia显示方块
R2	❌ 禁止 `MSO_SHAPE.BLOCK_ARC`（Mac PowerPoint不渲染）	饼图/环形图用表格或柱状图替代
R3	❌ 禁止 `MSO_SHAPE.DIAMOND`（菱形）	改用圆角矩形+文字标注
R4	文本框 `top+height` 不重叠，间距显式计算	多行文本动态计算高度
R5	生成后必须执行 `full_cleanup()`	Mac打开时报错

6.5 资料提取兼容规则（R6-R9）

R6-R9 规则的完整定义请参考 第四章第4.4节「资料提取规则（R6-R9）」，此处不再重复。

快速索引：

R6 → 资料必须优先提取
R7 → 提取内容按来源分类
R8 → 关键数据点单独标注
R9 → 提取失败降级重试

七、内容标准 — 深度优先自适应引擎（v6 升级 ⭐）

核心原则：不再设定固定页数上限。报告结构由内容量自动决定，每个模块充分展开到细节。除非用户明确指定页数，否则页数不受限制，以信息完整和专业深度为唯一衡量标准。

模块化内容装配器

报告由以下模块组成，根据内容量自动装配。每个模块的页数由内容深度决定，不设上限：

模块	用途	最小内容	典型展开	不设上限说明
封面	项目标识	1页	1页	保持不变
目录	导航	1页	1-2页	随章节数自动扩展
章节分隔	视觉过渡	每章节1页	每章节1页	按实际章节数生成
背景/概述	项目背景与目标	1页	2-4页	背景+痛点+目标可各占1页
KPI/大数字	关键指标速览	1页	2-4页	每个维度可独立成页
诊断/分析	问题发现与根因	2页	4-10页	每个诊断维度1-2页完整展开
改善方案	解决方案详述	2页	6-12页	每个改善模块2-3页（方案+措施+预期）
对比分析	前后对比/对标	1页	2-6页	每个对比点可独立成页
数据表格	详细数据支撑	1页	2-8页	每个数据集独立表格
时间线	实施路径	1页	2-4页	详细到每月的里程碑
仪表盘	综合洞见	1页	2-4页	多维度多图表
行动项	下一步计划	1页	2-4页	每个行动项带详细描述
结束页	总结致谢	1页	1-2页	保持不变

每个模块的「典型展开」为参考建议，实际页数由内容量自行决定，不受任何上限约束。

内容深度分级

生成的每一页报告内容按以下三级深度展开：

深度级别	说明	示例
L1: 结论先行	一页给出核心结论 + 关键支撑数据	适合高层面向决策者的总览页
L2: 分析展开	问题描述 + 根因分析 + 数据证据 + 影响评估	适合核心分析页
L3: 细节完整	全部数据表格 + 分项对比 + 详细注释 + 来源标注	适合数据支撑页

展开规则：页面内容自动判断是否需要更多页来充分表达。如果一页排不下，自动拆分到下一页继续展开，不受任何页数限制。

自动页数生成算法

text

内容总量(Total Content Units)
     │
     ▼
┌── 评估内容密度 ─────────────────────────────────────┐
│                                                      │
│  每个模块的 TCU = Σ(段落数 × 1.0 + 数据点 × 0.5     │
│                       + 图表数 × 1.5 + 列表项 × 0.3) │
│                                                      │
│  每个Action Title(一页)容量 ≈ 4-6 TCU                │
│                                                      │
│  该模块页数 = ceil(模块TCU / 每页TCU容量)            │
│                                                      │
│  总页数 = Σ(各模块页数) + 导航页(封面+目录+章节分隔) │
│                                                      │
└──────────────────────────────────────────────────────┘
     │
     ▼
如用户指定页数（如"20页"）：
     → 按比例压缩每个模块的TCU分配
     → 优先保留L1深度，压缩L3细节
     → 保证完整性和连贯性

如未指定页数（默认）：
     → 所有模块按L2-L3深度完整展开
     → 页数不受限制，以内容完整为准
     → 总页数 = 自然生成的页数

建议页数参考（非约束）

以下为参考范围，实际生成不受此范围限制：

报告类型	最小建议	完整深度建议	说明
阶段总结	8页	20-35页	按模块展开，每个模块3-5页
项目总结	12页	35-60+页	全链条展开，不限页数
分析报告	10页	25-40+页	每个诊断维度独立成节
汇报提案	8页	20-35页	方案论证+数据支撑完整
专题分析	6页	15-30+页	研究方法+数据+结论完整展开

Action Title 要求

每页标题必须是完整句子（陈述结论），而非标题式短语：

text

❌ "组织优化"
✅ "深入调研发现问题 — 组织架构不匹配、职责交叉"

❌ "项目背景"
✅ "民和电器携手连恩，启动精益+数字化双轮驱动战略转型"

❌ "库存分析"
✅ "库存管理行业对标 — 中国制造业与国际差距1.4-2.3倍"

来源标注规范

每个数据/图表下方必须标注来源
三级来源标注体系：

来源级别	内容来源	标注格式	示例
L1：用户资料	直接引用用户提供的资料	`"数据来源：用户资料"`	用户资料
L2：搜索补充	联网搜索到的行业数据	`"来源：XXX·年份"`	简道云·2026
L3：技能分析	调用专业技能分析结论	`"来源：ie-expert分析"`	ie-expert分析

位置：页面底部 7.05 英寸位置（9pt, M6色）

八、助手函数规范

所有生成的 PPT 脚本必须包含以下助手函数（参考 generate_pro.py 实现）：

函数	用途
`cs(s)`	清理 shape 的 p:style XML，防文件损坏
`sf(run, is_en)`	设置字体：中文 YaHei，英文 Arial，通过 a:ea 节点
`TX(s, l, t, w, h, tx, ...)`	统一文本框，支持 Microsoft YaHei
`R(s, l, t, w, h, c)`	矩形（无边框）
`RR(s, l, t, w, h, c)`	圆角矩形
`HL(s, x, y, ln, c, t)`	水平线（薄矩形替代connector）
`OV(s, x, y, lb, sz, bg, fg)`	圆形标签
`AT(s, tx, sz)`	Action Title（白色背景+下划线，22pt Bold）
`SR(s, tx, y)`	来源标注（9pt M6色，7.05寸位置）
`PN(s, n)`	页码（仅显示当前页号）
`full_cleanup(path)`	深度XML净化（正则移除p:style+空ln+themeShadow，补齐typeface）
`AUDIT(prs)`	自审函数（图形量≥200，密度≥8，无BLOCK_ARC，去AI味通过）
`HDR(s, title, subtitle)`	深蓝顶栏标题（新增v4）
`PYRAMID(s, layers, header)`	居中多层金字塔（新增v4）
`BLOCK_3COL(s, cx, cy, cw, ch, items)`	三列子块布局（新增v4）
`TAG_CHIP(s, text, x, y)`	层级标签芯片（新增v4）
`LEFT_LABEL_BAR(s, x, y, w, h, label, lw, content, lb, cb)`	左标签右内容条（新增v4）
`apply_theme(name)`	配色主题切换（v5新增：deepblue/tech/business/vibrant）
`auto_select_theme(ct, pref)`	模板风格选择（v6新增）根据内容类型+用户偏好推荐主题
`SWOT(s, s,w,o,t, y)`	SWOT四象限分析矩阵（v5新增）
`PIE_BAR(s, items, y, title)`	占比柱状图替代饼图（v5新增）
`ICON(s, x, y, char, sz, bg, fg)`	装饰图标（v5新增）
`DECORATED_CARD(s, x, y, w, h, icon, title, desc, clr)`	带图标装饰卡片（v5新增）
`MATRIX(s, headers, rows, y)`	比较矩阵（v5新增）
`collect_ppt_materials(type, kws)`	素材搜集（v6新增）搜集行业图片/图标/参考PPT等
`generate_search_terms(type, kws)`	搜索词生成（v6新增）根据内容类型生成素材搜索关键词
`save_material_inventory(collected)`	素材清单保存（v6新增）输出素材清单到 material_inventory.md

九、布局模式实现规范

布局：#1 Cover — 封面

python

def cover(s, title, subtitle="", date="", company=""):
    # 顶部细线：NV色
    # 标题：40pt Bold, NV色，多行动态计算高度
    # 副标题：24pt, D3色
    # 日期+公司：14pt, M6色
    # 底部装饰线：NV色 2pt

封面标题高度根据行数动态计算：th = 0.8 + 0.65 * (lines-1) 英寸

布局：#6 TOC — 目录

python

def toc(s, items):
    # items = [(编号, 标题, 描述), ...]
    # 每行：圆形编号(NV) + 章节名(16pt,Bold) + 描述(14pt,M6)
    # 底部：灰色分隔线

全部8个章节必须完整列出

布局：#5 Section — 章节分隔页

python

def SEC(s, n, title, subtitle=""):
    # 左侧NV色竖条
    # "PART N" 16pt M6色
    # 标题 28pt Bold NV色
    # 副标题 14pt D3色

布局：#8 Big Number — 大数字

python

def BN(s, items, y=TZ):
    # items = [(大数字, 标签, 颜色), ...]
    # 第一项：NV底色+白字 或 BG底+NV字
    # 大数字44pt Bold，标签14pt

布局：#11 Data Table — 数据表

python

def TB(s, l, t, rows, cols, data, col_ws=None):
    # 使用 add_table() 原生表格（不自绘）
    # 表头：NV深蓝底 + 白字 Bold 9pt
    # 数据行：浅灰交替行（#F5F7FA）
    # 字体：9pt Microsoft YaHei
    # 居中对齐

布局：#12 Metric Cards — 指标卡片

python

def MCARDS(s, items, y=TZ):
    # items = [(数值, 标签, 示例值, 颜色), ...]
    # 白底卡片 + 顶部色彩条
    # 数值24pt Bold 色彩色，标签11pt M6，详情10pt D3

布局：#14 Three-Pillar — 三支柱

python

def PILLAR(s, items, y=TZ):
    # items = [(标题, [要点列表...], 颜色), ...]
    # 顶部色条 + 标题14pt WH色
    # 下方BG色卡片 + 要点列表12pt D3色

布局：#16 Process Flow — 流程箭头

python

def FLOW(s, steps, y=Inches(2.5)):
    # steps = [(标题, 描述), ...]
    # 第一项NV色，后续BG色
    # 箭头用文本"→" AO色

布局：#24 Exec Summary — 执行摘要

python

def EXEC(s, title, points):
    # title: 摘要标题
    # points: [(编号, 标题, 描述), ...]
    # 首项：NV底白字 关键结论
    # 后续：编号OV + 标题(14pt NV Bold) + 描述(14pt D3)

用于 P4 项目背景、P8 方案概览等需要结论先行的页面
顶部深蓝结论条 + 下方3-4个支撑论点

布局：#20 Before/After — 对比

python

def BA(s, before, after, y=TZ):
    # 左栏 BG色 "现状(Before)" D3色文字
    # 右栏 NV色 "目标(After)" WH色文字
    # 中间 "→" 箭头 NV色

布局：#29 Timeline — 时间线

python

def TIMELINE(s, items, y=Inches(3.0)):
    # items = [(标题, 描述), ...]
    # 水平LG色连接线 2pt
    # 圆形编号节点 NV色
    # 上方标题 16pt Bold NV色
    # 下方描述 11pt D3色

布局：#35 Action Items — 行动项

python

def ACTIONS(s, items, y=TZ):
    # items = [(行动, 时间, 负责人), ...]
    # 多列BG色卡片
    # 编号 + 标题(14pt NV色) + 时间(11pt M6) + 负责人(11pt D3)

布局：#36 Closing — 结束页

python

def CLOSE(s, main_text, sub_text="", tagline=""):
    # 顶部NV色细线
    # 主标题 28pt NV色 Bold 居中
    # 装饰线 NV色 1.5pt
    # 副标题 18pt D3色
    # 底部NV色粗线 2pt
    # 标语：20pt AO色 Bold

布局：#39 Horizontal Bar — 水平柱状图

python

def HBAR(s, items, y=TZ, title=""):
    # items = [(标签, 值), ...] 已排序
    # 第一名NV色，后续BG色
    # 背景浅灰条 + NV色填充条

布局：#37 Grouped Bar — 分组柱状图

python

def GBAR(s, data, labels, colors, y=TZ, title=""):
    # data = [[系列1的值], [系列2的值], ...] 每行=一个系列
    # labels = [组标签, ...] 如 ["M1","M2","M3"]
    # colors = [颜色1, 颜色2, ...] 每个系列的颜色

通常嵌入 #57 Dashboard 中使用
含Y轴刻度（0%-100%）、数值标签、图例
用于月度趋势对比、多系列数据展示

布局：#52 KPI Tracker — KPI追踪

python

def KTRACK(s, items, y=TZ):
    # items = [(名称, 进度0-1, 详情, 状态on/risk/off), ...]
    # 表头(11pt M6 Bold) + 黑色分割线
    # 进度条 on=AG / risk=AO / off=AR
    # 达成率 14pt Bold 状态色

布局：#57 Dashboard — 仪表盘

python

def DASH(s, kpis, data, labels, colors, insights):
    # kpis = [(数值, 标签, 颜色), ...] 顶行KPI卡片
    # data/labels/colors → 分组柱状图
    # insights → BG色底+NV色字 关键洞见

十、完整工作流（S0-S15 + S0.5·S0.75 · v7.2 全栈版）

S0: 需求识别与内容分析（双轨并行 ⭐）

需求识别轨道 — 首先判断用户的真实意图：

python

def detect_intent(user_request):
    """识别用户需求类型"""
    consulting_keywords = ["项目总结", "总结报告", "汇报", "咨询项目", "改善汇报", 
                          "结项", "阶段汇报", "终期", "客户汇报", "高层汇报"]
    summary_keywords = ["概括", "精简", "摘要", "简短", "核心内容"]
    
    if any(k in user_request for k in consulting_keywords):
        return "CONSULTING_REPORT"  # 生成面向客户高层的咨询项目总结报告
    elif any(k in user_request for k in summary_keywords):
        return "QUICK_SUMMARY"     # 快速精简总结
    return "CONSULTING_REPORT"     # 默认：咨询项目总结报告模式

用户意图	处理方式	页数	输出格式
咨询项目总结报告（默认）	以附件为素材，按5Part标准结构生成面向客户高层的汇报材料	25-50页	PPT（默认）
快速精简总结	仅提取附件核心要点	3-5页	PPT/DOCX

内容分析轨道 — 在确认意图后，分析附件内容类型：

提取内容样本（前1000字符或文件标题）
运行 detect_content_type() 检测内容类型
根据检测结果选择模式：制造专家 / 项目管理 / 市场分析 / 技术总结 / 通用
根据模式选择对应的内容驱动模板（页数不限）
通知用户检测结果，确认或手动调整

自进化轨道 — 与内容分析同时执行：

加载进化数据（self_evolution/ 目录下的 known_skills / usage_log）
调用 self_evolution.py scan 扫描新技能
检查上次错误是否已修复
加载高频使用的布局模式偏好
如有新发现技能，通知用户集成建议

text

检测结果示例：
  "检测到内容类型：项目管理（置信度85%）
  将使用项目管理模板，包含：里程碑/风险矩阵/资源分配等章节
  如需切换模板请告知"

💡 系统提示：
  "自进化检查完成 | 已发现 0 个新技能 | 上次错误已修复 ✅"

S0.5: 制造咨询方法论加载（v7.0 新增）

检测到制造咨询领域时，自动加载四大咨询方法论资源：

text

检测到关键词 → 加载方法论
  ├─ "调研"/"诊断" → 加载 Phase1: references/methodology.md + 7部门调研指南
  ├─ "问题分析"/"根因" → 加载 Phase2: references/diagnosis_framework.md
  ├─ "改善"/"项目" → 加载 Phase3: references/project_definition.md
  └─ 通用制造咨询 → 加载完整四阶段 + assets/interview_questions.md

可引用的7大部门调研指南（按需加载）：

部门	参考文件	核心内容
📞 销售接单	`references/sales_order.md`	订单流程、预测、OTD
📋 生产计划	`references/planning.md`	MPS/MRP、排产、齐套
🏭 生产现场	`references/production.md`	5S/标准化/OEE/WIP
📦 采购供应	`references/procurement.md`	供应商、采购周期
🏢 仓储物流	`references/warehouse_logistics.md`	库位、配送、FIFO
✅ 质量管理	`references/quality.md`	IQC/IPQC/OQC、追溯
🔧 工艺技术	`references/engineering.md`	BOM、ECN、SOP

ODP-I²诊断框架（references/diagnosis_framework.md）：

问题诊断 → 改善方向映射 → 优先级四象限（严重度×0.6+紧迫度×0.4）
跨部门交叉验证 → 改善项目卡片 → ROI评估

交互式工具：

bash

# 启动诊断分析工具（交互式）
python3 scripts/diagnosis_analyzer.py

# 启动报告生成工具（交互式）
python3 scripts/consulting_report_generator.py

S0.75: 复杂度分级与方法选型（v7.1 新增）

第一步：问题复杂度分级（L1/L2/L3）

根据用户需求的广度和深度，判断问题层级：

python

def classify_complexity(query, materials_count):
    """自适应复杂度分级"""
    keywords_l1 = ["简单介绍", "基本概念", "快速", "模板"]
    keywords_l3 = ["跨部门", "全流程", "战略", "转型", "体系搭建", "对标"]
    
    l3_score = sum(1 for k in keywords_l3 if k in query)
    l1_score = sum(1 for k in keywords_l1 if k in query)
    
    if l3_score >= 2 or materials_count > 5:
        return "L3"  # 复杂：多框架组合+完整调研
    elif l1_score >= 2 or "是什么" in query:
        return "L1"  # 简单：单框架快速输出
    return "L2"      # 中等：标准报告流程

级别	适用场景	框架数量	搜索深度	报告长度
L1 简单	概念解释、模板输出	1个框架	2-3次搜索	5-10页
L2 中等	问题诊断、改善建议	2-3个框架	5-8次搜索	15-25页
L3 复杂	战略转型、体系搭建	3-5个框架	10-20次搜索	30+页不限

第二步：快速方法选型 — 症状→方案映射

根据用户描述的症状，快速匹配诊断方法：

症状关键词	推荐诊断路径	映射说明
"效率低/产能不足/线平衡"	VSM → 鱼骨图 → ABC分析 → PDCA	从全景到聚焦到改善
"质量波动/不良率高/客诉"	SPC → 鱼骨图 → 5WHY → FMEA	从数据到根因到预防
"交期不准/库存高/缺料"	价值流 → ABC → EOQ → VMI	从流程到优化
"设备故障/OEE低/停机"	TPM → SMED → OEE → 鱼骨图	从维护到快速换型
"5S差/现场混乱/安全"	5S → 标准化 → 可视化 → Audit	从基础到持续
"数字化转型/智能工厂"	成熟度评估 → 路线图 → 架构 → ROI	从评估到规划

3分钟选型表（管理咨询方法工具箱 v7.1）：

场景	首选方法	补充方法	避免误用
定义问题边界	5W2H+结构图分析法	供需镜像校准	❌ 别跳过症状直接给方案
分析根因	鱼骨图+5WHY	系统展开图	❌ 鱼骨图后必须ABC筛选
战略诊断	PESTEL→波特五力→SWOT	波士顿矩阵	❌ SWOT不能无交叉策略
流程优化	VSM→系统展开图→BPR	CPM关键路径	❌ VSM必须画未来状态
决策评估	成本收益分析	Pareto(80/20)	❌ 成本收益必须有数据支撑

第三步：制造咨询框架组合策略

预设5种制造咨询框架组合，L3问题时自动启用：

python

COMBO_STRATEGIES = {
    "生产效率": ["DMAIC", "VSM", "Pareto", "PDCA"],
    "质量改善": ["SPC", "鱼骨图", "5WHY", "FMEA"],
    "供应链优化": ["ABC分析", "EOQ", "VMI", "安全库存"],
    "工厂规划": ["SLP布局", "物料流分析", "仿真", "设施规划"],
    "战略评估": ["PESTEL", "波特五力", "SWOT+交叉", "商业模式画布"],
}

组合规则（R32-R33）：

规则	说明
R32	L1问题使用1个框架直接输出；L3问题必须使用≥1个组合，跨框架交叉验证
R33	每个框架输出后必须执行"常见误用"检查——检查是否犯了该方法最常见的错误

S1: 资料收集与识别

确认用户提供了哪些资料：

[ ] PDF 文件 → 计划使用 markitdown / Read 提取文字
[ ] Word 文档 → 计划使用 markitdown 提取文字
[ ] Excel 表格 → 计划使用 markitdown 提取数据
[ ] 图片/截图 → 计划使用 markitdown OCR / Read 识别
[ ] 参考 PPTX → 计划使用 extract_images_from_pptx() 提取
[ ] 参考 URL → 计划使用 WebFetch 获取内容
[ ] 纯文本/笔记 → 计划使用 Read 读取
[ ] 未提供任何资料 → 跳过S1，从S2开始

S2: 资料提取

执行资料提取流程：

对每个文件执行对应的提取方法
按来源分类整理提取结果
标注关键数据点（数字、指标、年份、KPI）
输出 extracted_content.md 内容摘要文件
如提取失败，尝试降级方法（Read → WebFetch）

S3: 内容解析与素材结构化

核心原则：附件不是"要被精简的源文件"，而是咨询报告的核心素材。解析的目的是提取原始数据、发现、方案，然后按咨询报告框架重新组织。

逐页解析附件内容 → 标记每页在咨询报告中的定位：
- 📋 项目背景素材 → Part 01 项目概况
- 🔍 调研数据/发现 → Part 02 现状诊断
- 🛠️ 改善方案/设计 → Part 03 改善方案
- 📊 验证数据/成果 → Part 04 成果验证
- 💡 总结/展望/建议 → Part 05 总结展望
识别关键数据点 → 每个数据点标注其在报告中的作用（基线/改善前/改善后/行业对标）
【v7.0】行业报告搜索：对关键数据点，调用艾瑞咨询/QuestMobile搜索行业基准数据增强对比
- python scripts_industry_search/iresearch_report_search.py search "关键词" --pages 4 --limit 10 --format json
素材完整性检查：检查附件是否涵盖5Part的每个维度，如缺失则标记"待补充"
调用专业技能验证分析（仅制造领域）
输出解析后的素材大纲（按5Part归类）

S3.5: 原PPT图片提取与复用（v7.3 新增）

核心原则：咨询项目总结报告必须包含原始素材中的关键图片（组织架构图、流程图、数据截图、现场照片等），而非仅输出文字。

从附件PPTX中提取所有图片，按幻灯片编号+内容类型分类保存，在新报告中按需嵌入：

python

def extract_images_from_source(pptx_path, output_dir="extracted_images"):
    """从源PPTX提取所有图片"""
    from pptx import Presentation
    from pptx.enum.shapes import MSO_SHAPE_TYPE
    import os
    
    prs = Presentation(pptx_path)
    os.makedirs(output_dir, exist_ok=True)
    
    for i, slide in enumerate(prs.slides):
        for j, shape in enumerate(slide.shapes):
            if shape.shape_type == MSO_SHAPE_TYPE.PICTURE:
                ext = shape.image.content_type.split("/")[-1]
                fname = f"slide_{i+1:02d}_{j+1:02d}.{ext}"
                with open(f"{output_dir}/{fname}", "wb") as f:
                    f.write(shape.image.blob)

图片分类与复用映射：

原图类型	对应咨询报告Part	推荐嵌入位置
组织架构图	Part 02 现状诊断	组织问题诊断页
流程图/工艺图	Part 03 改善方案	方案说明页
数据表格截图	Part 04 成果验证	验证数据旁边
现场照片	Part 01/05	背景/成果页
图片嵌入布局规范：

每张图片在报告中的布局方式取决于图片类型和所在页面：

python

def layout_image(slide, img_path, slide_idx, page_type):
    \"\"\"智能图片布局：确保不遮挡文字\"\"\"
    from pptx.util import Inches
    
    # 布局方案A: 文字左 + 图片右 (默认)
    if page_type == "text_left":
        img = slide.shapes.add_picture(img_path, 
            Inches(5.2), Inches(1.5), Inches(4.8), Inches(3.5))
    
    # 布局方案B: 全图页 (独立展示)
    elif page_type == "full_image":
        img = slide.shapes.add_picture(img_path,
            Inches(0.5), Inches(0.8), Inches(9.5), Inches(4.8))
    
    # 布局方案C: 顶部图片 + 底部文字说明
    elif page_type == "image_top":
        img = slide.shapes.add_picture(img_path,
            Inches(1.0), Inches(0.3), Inches(8.5), Inches(3.0))
    
    # 保持原始宽高比
    img.lock_aspect_ratio = True
    
    # 如果超过最大尺寸则缩小
    max_w, max_h = Inches(9.5), Inches(4.8)
    if img.width > max_w: img.width = max_w
    if img.height > max_h: img.height = max_h

S4: 需求确认

输出格式选择（v6.1 新增）：

text

请选择输出格式：
  ○ 📊 PPT（默认）— 适用于会议汇报/客户演示
  ○ 📝 DOCX — 适用于报告存档/详细文字论述
  ○ 📄 PDF — 适用于正式交付/打印输出
提示：默认为PPT，无需特别声明。如需DOCX/PDF请明确说明。

S5: 联网调研（免API）

使用 multi-search-engine + WebSearch + WebFetch 搜索行业基准数据。

每个搜索点至少搜索2个关键词交叉验证
所有来源必须标注"来源：XXX（搜索日期）"

S6: 原PPT图片提取（如有）

调用 extract_images_from_pptx() 提取参考PPT图片，按页归类。提取的图片嵌入新PPT的对应页面。

S6.5: PPT素材搜集与模板风格选择【v6 新增 ⭐】

核心变更：在生成PPT前，先执行素材搜集操作，然后基于内容+用户偏好双因子驱动选择最佳模板风格，之后再进入设计和生成阶段。

第一步：PPT素材智能搜集

基于已确认的报告大纲和内容主题，执行素材搜集操作：

python

# 素材搜集操作规范
MATERIAL_TYPES = {
    "industry_image": {
        "description": "行业相关高清图片",
        "search_terms": ["行业关键词 + 制造现场/数字化/精益", "industry + factory/digital/lean"],
        "source": "WebSearch / WebFetch 图片搜索",
        "usage": "封面背景、章节分隔页、案例展示页",
    },
    "icon_element": {
        "description": "装饰图标（简单线条图标）",
        "search_terms": ["SVG icon + sector_name", "图标 + 行业"],
        "source": "WebSearch 图标资源",
        "usage": "指标卡片、流程步骤、列表装饰",
    },
    "reference_slide": {
        "description": "同类行业PPT参考设计",
        "search_terms": ["行业 + PPT模板/报告设计", "consulting deck + industry"],
        "source": "WebSearch + WebFetch 提取设计元素",
        "usage": "参考配色方案、布局比例、信息图表风格",
    },
    "color_palette": {
        "description": "行业相关配色方案",
        "search_terms": ["行业 + 品牌色/VI色彩", "color palette + industry"],
        "source": "WebSearch 品牌/VI资料",
        "usage": "辅助确定报告主色和强调色",
    },
    "data_chart": {
        "description": "行业数据可视化参考",
        "search_terms": ["行业 + 数据可视化/图表", "industry chart/data viz"],
        "source": "WebSearch 公开报告图表",
        "usage": "参考图表类型选择和视觉呈现方式",
    },
}

def collect_ppt_materials(content_type, keywords):
    """基于内容类型和关键词搜集PPT素材"""
    collected = {}
    
    # 1. 根据内容类型确定搜索关键词
    search_terms = generate_search_terms(content_type, keywords)
    
    # 2. 对每种素材类型执行搜索
    for mat_type in MATERIAL_TYPES:
        results = web_search(f"{search_terms} {mat_type.search_terms[0]}")
        if results:
            # 提取前3个最有价值的素材链接
            top_results = filter_best_results(results, mat_type)
            collected[mat_type] = top_results
    
    # 3. 对参考素材进行详情提取
    for mat_type, results in collected.items():
        for result in results[:2]:  # 提取前2个
            detail = web_fetch(result.url)
            enrich_material(mat_type, result, detail)
    
    # 4. 输出素材清单供用户确认
    save_material_inventory(collected)
    return collected

素材搜集规则（R15-R18）：

规则	要求
R15	必须基于已确认的内容大纲生成搜索关键词，拒绝通用关键词
R16	每种素材类型至少搜集2-3个高质量来源，优先行业官网/权威报告
R17	搜集到的素材需标注来源URL和用途说明，供后续生成脚本引用
R18	若用户未提供参考PPT，素材搜集不可跳过——至少要搜集配色方案+行业图片

第二步：模板风格智能选择

基于内容分析结果和素材搜集情况，使用双因子推荐算法选择最佳模板风格：

python

THEMES = {
    "deepblue": {
        "name": "咨询专业风",
        "palette": "NV(#051C2C)深蓝 + WH白 + AB(#006BA6)蓝",
        "best_for": ["manufacturing", "supply_chain", "lean", "project"],
        "vibe": "高端、权威、严肃",
        "deco_style": "简约线条、几何装饰、数据驱动",
        "font_emphasis": "Bold标题+清晰层级",
        "section_deco": "深蓝左侧竖条",
    },
    "tech": {
        "name": "科技现代风",
        "palette": "AB(#005A96)亮蓝 + WH白 + AG(#007A53)绿",
        "best_for": ["AI", "digital", "smart_mfg", "IT_architecture"],
        "vibe": "前沿、创新、高效",
        "deco_style": "渐变色块、轻薄阴影、科技图标",
        "font_emphasis": "Light标题+清晰层级",
        "section_deco": "渐变色横条",
    },
    "business": {
        "name": "沉稳专业风",
        "palette": "D3(#333333)商务灰 + NV深蓝点缀 + AB蓝",
        "best_for": ["management", "finance", "operation", "general"],
        "vibe": "稳重、理性、信任",
        "deco_style": "灰底卡片、精细边框、保守排版",
        "font_emphasis": "规则的标题+正文",
        "section_deco": "灰色细线分隔",
    },
    "vibrant": {
        "name": "热情鲜明风",
        "palette": "AO(#D46A00)活力橙 + WH白 + AR(#C62828)红",
        "best_for": ["innovation", "kickoff", "change", "startup"],
        "vibe": "活力、推动、紧迫",
        "deco_style": "大色彩块、粗轮廓、大数字强调",
        "font_emphasis": "大号标题+高对比",
        "section_deco": "橙色全宽色块",
    },
}

def select_theme(content_type, user_mood, material_results):
    """双因子模板风格推荐算法"""
    content_score = {}  # 内容因子：基于内容类型
    for theme_name, theme in THEMES.items():
        # 内容类型匹配度
        best_for = theme["best_for"]
        match_count = sum(1 for t in best_for if t in content_type or content_type in t)
        content_score[theme_name] = match_count
    
    # 如果用户表达了偏好，增强偏好分
    if user_mood:
        mood_map = {
            "高端": "deepblue", "权威": "deepblue", "严肃": "deepblue",
            "科技": "tech", "创新": "tech", "前沿": "tech",
            "稳重": "business", "保守": "business", "专业": "business",
            "活力": "vibrant", "创新2": "vibrant", "推动": "vibrant",
        }
        for word, theme in mood_map.items():
            if word in user_mood:
                content_score[theme] += 2  # 用户偏好权重
    
    # 选择分值最高的主题
    best_theme = max(content_score, key=content_score.get)
    return best_theme

算法逻辑：

内容因子（权重60%）：由内容类型检测结果决定
- 制造/精益/供应链 → deepblue
- AI/数字化/智能制造 → tech
- 管理/财务/运营 → business
- 创新/变革/启动会 → vibrant
用户偏好因子（权重40%）：来自用户表述/历史记录
- 用户明确说"高端/权威" → deepblue
- 用户说"科技感/前沿" → tech
- 用户说"稳重/保守" → business
- 用户说"活力/创新" → vibrant
校正因子：素材搜集结果反馈
- 如果搜集到的素材中有明确的品牌色/VI倾向，反向校准推荐

第三步：风格确认与素材预览

将推荐的模板风格 + 搜集到的素材列表呈现给用户确认：

text

┌─ 模板风格推荐 ──────────────────────────────────────────┐
│                                                          │
│  推荐风格：🔵 咨询专业风 (deepblue)                      │
│  ○ 深蓝主色 #051C2C × 白色背景 × 蓝色强调               │
│  匹配理由：内容类型"精益制造" × 用户偏好"高端"          │
│                                                          │
│  ┌──────────────────────────────────────────────────────┐│
│  │  素材搜集清单：                                      ││
│  │  ✅ 行业图片：3张（制造现场图×2, 数字化看板×1）     ││
│  │  ✅ 装饰图标：5个（生产/质量/物流/计划/设备）        ││
│  │  ✅ 参考PPT：2个（同行业咨询报告设计）               ││
│  │  ✅ 配色方案：已从参考PPT提取2组备选                 ││
│  │  └─ 来源详见 material_inventory.md                   ││
│  └──────────────────────────────────────────────────────┘│
│                                                          │
│  可选风格：                                              │
│  ○ ⚪ 咨询专业风（推荐） ○ 🔵 科技现代风                │
│  ○ ⚫ 沉稳专业风      ○ 🟠 热情鲜明风                  │
│                                                          │
│  请确认风格，或选择其他风格：                            │
└──────────────────────────────────────────────────────────┘

如果用户调整风格，更新 theme = apply_theme(selected_theme)
将素材引用信息写入生成脚本注释
将素材图片/图标路径嵌入生成脚本中

S7: 设计大纲 + Slide Config 模块化架构

按照选定的内容类型和模板模块，逐页确定内容和布局模式。页数由内容量自动决定，不设上限。

咨询项目总结报告模式（核心场景）： 严格按照标准5Part结构进行编排：

text

PART 01 项目概况  → Cover + Section + 5~8页内容
PART 02 现状诊断  → Section + 8~15页内容
PART 03 改善方案  → Section + 10~20页内容
PART 04 成果验证  → Section + 5~10页内容
PART 05 总结展望  → Section + 3~5页内容
附录              → 2~5页
────────────────────
总计              → 35~60页（按素材丰富度自然决定）

附件中的每一页都有汇报价值：不要"精简"内容，而是重新编排为面向高层的汇报叙事
每个模块按内容深度分级（L1-L3）展开
数据丰富时自动拆分到多页，不急于一页塞完
默认不限制页数；如用户指定页数，按比例压缩模块深度

Slide Config 模块化架构（借鉴 PPT 演示文稿技能）：

每页幻灯片定义为独立的 slide_config 数据块，统一元数据结构：

python

# 每页的标准化 Slide Config
slide_config = {
    "type": "cover|toc|section|content|summary|closing",
    "index": 1,         # 页码
    "layout": "#1 Cover",  # mck-ppt-design 布局模式编号
    "title": "页面Action Title（完整句子）",
    "depth": "L1|L2|L3",   # 内容深度级别
    "theme": "deepblue",   # 主题合约名称
    "data_sources": [],    # 数据来源列表
}

# 生成时统一从 Slide Config 渲染
def render_slide(prs, config, theme):
    """根据Slide Config渲染单页"""
    if config["type"] == "cover":
        return cover(prs, config["title"], ...)
    elif config["layout"] == "#14 Three-Pillar":
        return PILLAR(prs, config["data"], theme)
    # ...

优势：

✅ 每页数据独立，便于并行生成
✅ 后期修改某页不影响其他页
✅ 支持导出为 JSON 作为大纲确认

S8: 专业技能分析（仅制造领域）

专业领域	调用技能	应用于报告章节
精益生产诊断	ie-expert	P7调研发现
六西格玛分析	rohoon-6sigma	P16验证成果
库存分析	inventory-eye / inventory-demand-planning	P14库存分析
计划物控	planning-mc-assistant	P10计划流程
精益工具	lean-production-toolkit	P8改善方案
制造咨询方法论	本技能S0.5内置方法论	全流程（调研→诊断→改善→交付）
行业报告搜索	scripts_industry_search/iresearch_report_search.py	S3行业数据融合（基准/趋势/对标）
数字化转型	Chief Information Officer	P18数字化规划
诊断分析工具	`scripts/diagnosis_analyzer.py`	Phase2问题分析
报告生成工具	`scripts/consulting_report_generator.py`	Phase4合作交付

v7.1 新增框架组合策略：

组合名称	包含框架	适用场景
🔧 生产效率	DMAIC + VSM + Pareto + PDCA	产能提升/效率优化
✅ 质量改善	SPC + 鱼骨图 + 5WHY + FMEA	质量波动/不良率改善
📦 供应链优化	ABC + EOQ + VMI + 安全库存	库存高/缺料/交期不准
🏭 工厂规划	SLP布局 + 物料流分析 + 仿真	新厂布局/物流优化
📊 战略评估	PESTEL + 波特五力 + SWOT + 商业模式画布	市场进入/战略转型

v7.0 新增： 7大部门调研指南 + ODP-I²诊断框架 + 改善项目定义已整合为内置模块。流程图绘制（路线图/鱼骨图/甘特图等）在S9脚本中直接添加对应函数。

S8.5: 渐进交付策略选择 — Draft→Iterate→Final 【v6 新增】

借鉴 AI绘图技能的渐进式工作流，支持三阶段交付模式：

python

class DeliveryMode:
    """渐进交付模式定义"""
    DRAFT = {
        "name": "草稿模式",
        "desc": "快速生成报告骨架：封面+目录+每页Action Title+关键数据标记",
        "sections": "全部章节的L1深度（结论先行）",
        "turnaround": "1-2分钟，快速确认方向",
        "best_for": "需求不确定/需要先确认框架",
    }
    ITERATE = {
        "name": "迭代模式",
        "desc": "在草稿基础上填充：L2分析展开+数据图表+对比分析",
        "sections": "L2深度展开 + 部分L3数据表格",
        "turnaround": "5-10分钟",
        "best_for": "草稿方向确认后逐步完善",
    }
    FINAL = {
        "name": "完整模式",
        "desc": "全质量输出：L3完整细节 + 全数据表格 + 精美排版",
        "sections": "全深度L3展开",
        "turnaround": "10-30分钟（页数不限）",
        "best_for": "终稿交付",
    }

用户交互流程：

text

您希望以哪种模式生成？
  ○ 草稿模式（快速骨架，确认方向）
  ○ 迭代模式（逐步完善）
  ○ 完整模式（一步到位，推荐 ⭐）

选择 DRAFT → 执行 S9-S12 生成草稿 → 确认 → 升级为 ITERATE
选择 ITERATE → 执行 S9-S12 生成迭代版 → 确认 → 升级为 FINAL
选择 FINAL → 一步执行全部流程

渐进交付规则（R26-R27）：

规则	要求
R26	默认使用完整模式（Final），除非用户明确要求草稿或迭代
R27	草稿/迭代模式下，AUDIT() 门槛适当降低（密度≥5即可），终版必须全量通过

S9: 编写生成脚本

参考 references/generate_pro.py 模板（制造领域）或按通用模板模块规则编写：

导入 python-pptx / lxml
设置常量和配色
按内容驱动模块逐页生成（使用 mck-ppt-design 布局模式），页数由内容量决定
- 数据丰富时每个模块可拆分为2-4页，不设上限
- 每个数据点独立制作图表，不合并在一页
- 每个对比项独立成页，不压缩空间
全微软雅黑，无 BLOCK_ARC
每条文案执行去AI味自检
包含 full_cleanup() + AUDIT()

S9.5: 格式适配生成【v6.1 新增 ⭐】

根据 S4 确认的格式选择，将报告内容转换为对应格式：

格式路由：

text

                      ┌─ PPT ──→ python-pptx + mck-ppt-design 布局（默认）
  报告内容大纲         │
  (Slide Config JSON) ──┼─ DOCX ─→ python-docx 原生生成
                      │
                      └─ PDF ──→ Markdown → reportlab

PPT 格式（默认）

使用现有的 python-pptx + mck-ppt-design 引擎，遵循全部 S9 规则：

安装依赖：pip install python-pptx lxml
脚本模板：references/generate_pro.py
输出扩展名：.pptx

DOCX 格式

使用 python-docx 生成专业 Word 文档：

python

# DOCX 生成示例
from docx import Document
from docx.shared import Pt, Inches, RGBColor
from docx.enum.text import WD_ALIGN_PARAGRAPH

doc = Document()

# 封面（无页眉页脚）
title = doc.add_heading('', level=0)
run = title.add_run('报告标题')
run.font.name = 'Microsoft YaHei'
run.font.size = Pt(26)
run.font.color.rgb = RGBColor(0x05, 0x1C, 0x2C)

# 章节（Heading 1）
doc.add_heading('章节标题', level=1)

# 正文
p = doc.add_paragraph()
run = p.add_run('正文内容...')
run.font.name = 'Microsoft YaHei'
run.font.size = Pt(11)

# 表格
table = doc.add_table(rows=5, cols=4)
table.style = 'Light Grid Accent 1'

# 保存
doc.save('report.docx')

生成规范：

元素	DOCX 映射方式	说明
封面	独立Section+大号标题	无页码，与正文分节
目录	自动生成 TOC 字段	Word中按F9更新
章节	Heading 1/2/3 层级	对应 PPT 的 Section 和 Action Title
数据表格	Word 原生表格	保留表头深蓝底色
关键数字	加粗+着色段落	对应 PPT 的 Big Number
图表	简化版柱状图/表格	DOCX不支持复杂图表，用表格+文字替代

安装依赖：pip install python-docx
脚本模板：references/generate_docx.py
输出扩展名：.docx

PDF 格式

使用 Markdown→PDF 管道，两条路径可选：

路径A：reportlab（推荐，零依赖）

bash

# 简易PDF生成（md-to-pdf-cjk 方案）
python3 -c "
from md_to_pdf import convert
convert('report.md', '报告标题', 'report.pdf')
"

路径B：Markdown直接转换

bash

pip install 'markitdown[all]'
markitdown report.docx -o report.md  # DOCX转MD
# 然后使用 md-to-pdf-cjk 技能转换

生成规范：

元素	PDF 映射方式	说明
封面	独立首页+大标题	reportlab Canvas绘制
章节	大号加粗标题	对应 PPT 的 Section
正文	11pt常规字体	微软雅黑嵌入
表格	reportlab Table	保留表头样式
关键数字	大号+着色	对应 PPT 的 Big Number

安装依赖：pip install reportlab markdown
脚本模板：references/generate_pdf.py
输出扩展名：.pdf

格式规则（R28-R29）：

规则	要求
R28	无明确格式指令时，默认生成 PPT
R29	无论何种格式，内容深度标准一致（L1-L3），不得因格式不同降低质量

S10: 执行生成

根据选择的格式安装对应依赖并执行。PPT模式必须包含图片提取与嵌入步骤：

python

# 1. 从源文件提取图片
extract_images_from_source("用户附件.pptx", "extracted_images/")

# 2. 生成PPT（文字+图片）
python generate_report.py

# 3. 图片嵌入逻辑：在对应页使用 add_picture()
slide.shapes.add_picture("extracted_images/slide_11_01.png", 
                          left, top, width, height)

bash

# PPT格式（默认）
pip install python-pptx lxml
python generate_report.py

# DOCX格式
pip install python-docx
python generate_report_docx.py

# PDF格式
pip install reportlab markdown
python generate_report_pdf.py

图片嵌入规范（R34-R35）：

规则	要求
R34	源PPTX中的所有图片（不限类型）必须在生成的咨询报告中保留——每张图片都要有其展示位置
R35	图片必须放在专用图片区，不得与文字重叠。文本+图片混合页：文字占左半(0-4.5英寸)，图片占右半(5.5-10英寸)；全图页：图片居中
R36	每页最多1张图片（宽≤4.5英寸）或2张小图（各宽≤3英寸），全图页1张（宽≤9英寸）。图片与最近文字间距≥0.3英寸

S11: 质量审查 + 5-Pass Editor 审校 + 跨框架交叉验证

执行 AUDIT() + full_cleanup()，按交付检查清单逐项确认。

跨框架交叉验证（v7.1 新增） — 当使用多框架组合（≥2个）时，强制执行交叉验证：

python

def cross_validate_results(framework_results):
    """
    跨框架结论交叉验证
    输入：各框架的分析结果
    输出：交叉验证报告
    """
    report = {"mode_connections": [], "contradictions": [], "deep_insights": []}
    
    # 1. 模式连接：不同框架结论是否互相印证
    # ▸ VSM结论"搬运浪费严重" + 鱼骨图根因"布局不合理" → 互证 ✅
    # ▸ SPC数据显示"过程不稳定" + FMEA风险数高 → 互证 ✅
    
    # 2. 矛盾化解：冲突点分析
    # ▸ 例：VSM建议"集中库存" vs 精益建议"零库存" — 分析矛盾根因
    # ▸ 判断：哪个框架在当前情境下权重更高/更适用
    # ▸ 输出：化解后的综合建议
    
    # 3. 深层洞察：跨框架发现的隐藏规律
    # ▸ 例：VSM+5WHY+SPC三者都指向"供应商管理" — 发现隐藏重点
    # ▸ 这是单一框架无法发现的系统性问题
    
    return report

交叉验证执行时机：

L1问题：无需交叉验证
L2问题：如有≥2个框架参与，执行模式连接检查
L3问题：强制执行完整交叉验证（模式连接+矛盾化解+深层洞察）

5-Pass Editor 自动审校机制（借鉴内容工厂技能）：

报告生成后，自动执行 5 轮审校：

python

def editorial_review(draft_content):
    """
    5轮审校流程，每轮聚焦一个维度
    输出：审校后的内容 + 编辑报告
    """
    report = {"passes": [], "changes": []}
    
    # Pass 1: 清晰度手术 — 删除30%冗余，去除填充词和被动语态
    # ▸ "值得注意的是/一般来说/某种程度" → 删除
    # ▸ 长句拆短，每句≤25字
    # ▸ 将被动变主动（"被建议"→"建议"）
    
    # Pass 2: 故事流 — 检查每个章节的因果逻辑
    # ▸ 开头是否有结论句
    # ▸ 段落间是否有逻辑递进
    # ▸ 数据→分析→结论是否完整
    
    # Pass 3: 语气一致性 — 统一为管理咨询权威自信语气
    # ▸ "可能/也许/大概" → "数据显示/分析表明"
    # ▸ "我们希望" → "我们建议"
    # ▸ 禁止使用削弱权威性的措辞
    
    # Pass 4: 质量检查 — 数据完整性核查
    # ▸ 每个数据点是否有来源标注
    # ▸ 对比数据是否完整（before/after成对出现）
    # ▸ Action Title是否完整句子
    
    # Pass 5: 格式化 — 格式/拼写/标点统一
    # ▸ 中英文空格统一
    # ▸ 数字格式统一（"10%" vs "10 %"）
    # ▸ 标点符号全角/半角统一
    
    return edited_content, report

编辑报告示例：

text

📋 5-Pass Editor 编辑报告
├─ Pass 1 清晰度: 删减28%字数 (2,340→1,685字), 移除填充词12处
├─ Pass 2 故事流: 修复3处因果关系断裂, 补充2个数据支撑
├─ Pass 3 语气一致: 替换5处削弱表述, 统一为"我们建议"语气
├─ Pass 4 质量检查: 发现2个缺失来源标注, 均已补充 ✅
└─ Pass 5 格式化: 统一中英文间距12处, 标点修正5处

S12: 自进化日志（v5 新增）

报告生成完成后，自动写入进化日志：

记录本次使用的内容类型和模板 → usage_log.json
记录使用的布局模式及其频率 → template_stats.json
如有错误发生 → 写入 error_log.json（含修复方案）
更新 evolution_summary.md 进化摘要
输出本次进化日志摘要：💡 自进化：记录本次使用 | 累计X次 | 成功率Y%

S13: 技能自修复（S13）— 【v6 新增 ⭐】

核心思想：每次PPT生成都是技能自我进化的机会。运行时遇到的任何问题，都要被分析、记录，并自动反馈到 SKILL.md 中，让下一次生成时技能已经"学会了"。

第一步：问题收集

在 S0-S12 全过程中捕获所有异常和用户反馈：

python

def collect_issues():
    """收集本次执行中遇到的所有问题"""
    issues = {
        "errors": [],        # 运行时错误（崩溃/异常）
        "warnings": [],      # 非致命问题（AUDIT未达标/素材缺失）
        "user_feedback": [], # 用户主动反馈（"文件打不开"/"风格不对"）
        "improvements": [],  # 执行过程中发现的可优化点
    }
    # 1. 从 error_log.json 提取新增错误
    # 2. 从 S11 质量审查结果提取未达标项
    # 3. 从用户交互中提取反馈关键词
    # 4. 审计生成脚本，发现可优化的编码模式
    return issues

第二步：问题分级

级别	定义	处理方式	示例
P0 - 致命	PPT文件无法打开/崩溃	必须修复，追加到「常见错误」+更新 `full_cleanup()` 规范	文件损坏需修复
P1 - 严重	内容或排版严重异常	追加到「常见错误」+更新相关函数规范	中文显示方块
P2 - 一般	单次可修复，不影响整体	更新进化日志，暂不修改SKILL.md	数据源未搜索到
P3 - 优化	可做得更好但非错误	记录到 improvements.json，积累多次再批量更新	布局模式可更美观

第三步：自动修复规则

python

def auto_repair(issues, skill_base_path):
    """根据收集到的问题自动修复技能文件"""
    for issue in issues["errors"]:
        if issue["level"] != "P0" and issue["level"] != "P1":
            continue
        
        error_text = issue["description"]
        cause_text = issue["root_cause"]
        fix_text = issue["fix"]
        
        # 检查是否已在 SKILL.md 的「常见错误与修复」中
        if not is_already_documented(error_text):
            # 追加新的错误条目
            append_error_to_skill_md(error_text, cause_text, fix_text)
            print(f"🛠️ 自修复：追加错误「{error_text}」到SKILL.md")
        
        # 检查是否涉及函数实现规范
        if issue.get("function_to_update"):
            fn_name = issue["function_to_update"]
            update_function_spec(fn_name, issue["new_spec"])
            print(f"🛠️ 自修复：更新函数 `{fn_name}()` 实现规范")
        
        # 更新交付清单（如发现新的检查项）
        if issue.get("new_checklist_item"):
            append_checklist_item(issue["new_checklist_item"])
            print(f"🛠️ 自修复：追加交付检查项「{issue['new_checklist_item']}」")
    
    # 更新 reference 文件
    if issue.get("new_reference_file"):
        save_reference_file(issue["new_reference_file"])
    
    # 写入进化摘要
    update_evolution_summary(issues)

自修复规则（R19-R22）：

规则	要求
R19	每次执行后必须执行 S13 自修复分析，不得跳过
R20	P0/P1 级问题必须在 SKILL.md 的「常见错误与修复」中有对应条目；如没有，自动追加
R21	函数实现规范变更时，同步更新「助手函数规范」和对应布局函数的文档
R22	新发现的检查项自动追加到「交付检查清单」，并更新版本号

第四步：进化日志输出

text

💡 S13 技能自修复报告：
├─ 🔍 本次共发现 2 个问题
├─ ✅ 已修复：full_cleanup() 实现规范更新（原因：p:style替换不够彻底→改为正则删除完整节点）
├─ ✅ 已修复：追加错误「PPTX文件损坏」到常见错误（原因：空a:ln节点残留）
└─ 📊 累计自修复次数：3 | 累计修复条目：7

S14: 文件交付与微信推送 — 【v6 新增 ⭐】

核心变更：报告生成完成后，根据输出格式交付对应文件，自动推送到微信小程序。

第一步：交付准备

python

def prepare_delivery(output_path, output_format):
    """准备交付文件"""
    import os
    
    file_size = os.path.getsize(output_path)
    file_name = os.path.basename(output_path)
    ext_map = {"PPT": ".pptx", "DOCX": ".docx", "PDF": ".pdf"}
    
    delivery_info = {
        "file": output_path,
        "name": file_name,
        "format": output_format,
        "size_kb": round(file_size / 1024, 1),
        "pages": TOTAL_PAGES,
        "generated_at": datetime.now().strftime("%Y-%m-%d %H:%M"),
    }
    
    save_delivery_log(delivery_info)
    return delivery_info

第二步：交付执行

使用 deliver_attachments 工具将文件发送到 WorkBuddy 微信小程序：

text

步骤:
1. 调用 deliver_attachments(file_path) 发送文件
2. 提示用户: "文件已送达！请确保微信WorkBuddy小程序中已开启「产物回传到小程序」开关"
3. 如用户需要自动推送，创建自动化定时任务

交付方式：

方式	说明	条件
✅ `deliver_attachments`	发送到WorkBuddy微信小程序（推荐）	用户已绑定微信
📧 QQ邮件	通过qq-email发送邮件附件	需配置QQ邮箱授权码
☁️ 腾讯文档	上传到腾讯文档并分享链接	需配置tencent-docs

第三步：自动化交付（可选）

如果用户希望"生成后自动发微信"，创建自动化任务：

yaml

# 自动化配置
schedule: "每次PPT生成后"
动作: 自动执行 deliver_attachments + 发送通知消息
提示: "用户需开启「产物回传到小程序」开关"

交付规则（R23-R25）：

规则	要求
R23	每次PPT生成后必须执行 S14 文件交付，不可跳过
R24	交付时必须提示用户检查微信小程序「产物回传到小程序」开关状态
R25	交付成功后写入 `delivery_log.json`，记录文件名称、大小、生成时间

S15: PPT结构脑图生成（PDF） — 【v6.1 新增 ⭐】

核心功能：PPT生成完成后，根据 Slide Config 数据自动生成思维导图 PDF，以可视化的方式展现报告的整体结构。

第一步：提取PPT结构数据

python

def extract_slide_structure(slide_configs):
    """从Slide Config提取脑图层级"""
    mindmap_data = []
    for cfg in slide_configs:
        stype = cfg.get("type", "content")
        if stype == "section":
            mindmap_data.append({
                "type": "section",
                "title": cfg.get("label", "") + " " + cfg.get("title", ""),
                "pages": []
            })
        elif stype in ("content", "cover", "toc"):
            if mindmap_data:
                mindmap_data[-1]["pages"].append(cfg.get("title", "")[:25])
            else:
                mindmap_data.append({
                    "type": "section",
                    "title": cfg.get("title", "")[:25],
                    "pages": []
                })
        elif stype == "closing":
            mindmap_data.append({
                "type": "section",
                "title": "总结与致谢",
                "pages": []
            })
    return mindmap_data

第二步：生成脑图PDF

使用 reportlab 绘制层级化的脑图树：

text

├── 🏠 PPT结构大纲
│   ├── 📂 PART 01 精益生产概述
│   │   ├── 📄 精益生产的起源与发展演进
│   │   ├── 📄 核心理念：一个目标两大支柱
│   │   └── 📄 精益屋是TPS经典结构
│   ├── 📂 PART 02 七大浪费
│   │   ├── 📄 TIMWOOD七种浪费总览
│   │   ├── 📄 生产过剩与等待浪费
│   │   └── 📄 加工·库存·动作·不良浪费
│   └── 📂 ...

安装依赖：pip install reportlab
脚本模板：references/generate_mindmap.py
输出扩展名：.pdf
默认输出路径：ppt_structure_mindmap.pdf

第三步：脑图交付

脑图 PDF 随主报告一起交付：

python

def deliver_mindmap(mindmap_path):
    """随主文件一起交付脑图"""
    deliver_attachments(mindmap_path)
    print(f"🧠 脑图已随报告交付: {mindmap_path}")

脑图规则（R30-R31）：

规则	要求
R30	脑图为可选项，用户可要求生成或不生成，默认不生成
R31	如用户要求脑图，必须在PPT生成后自动提取结构并生成PDF脑图

11.1 API依赖安装及离线检查

在执行本技能前，自动检测运行环境和依赖：

bash

# 安装依赖（需网络，仅首次）
pip install python-pptx lxml python-docx reportlab

# 检测离线组件状态
python3 -c "from references.generate_offline_content import ContentGenerator; g=ContentGenerator(); print(g.get_mode_label())"

离线模式检查清单：

📦 python-pptx, python-docx, reportlab 已安装（离线环境需提前装好）
🧠 Ollama 已安装并运行（可选，仅本地模型模式需要）
📋 离线模板库已就绪（随skill自带，免安装）

11.2 自审（AUDIT）— 质量优先，页数不限 | 多格式适配

检查项	合格线	说明
图形密度（PPT）	≥ 10 图/页	仅PPT格式检查（DOCX/PDF不适用）
微软雅黑覆盖	≥ 80%	中文全部使用微软雅黑
无 BLOCK_ARC / DIAMOND	零容忍	Mac兼容性检查（仅PPT）
格式完整性	100%	文件可正常打开、无损坏、内容完整
字体嵌入（PDF）	必含 CJK	PDF需确保中文字符正确渲染

11.3 交付检查清单（23项）

基础质量（必过项）：

✅ 微软雅黑 + 英文Arial（通过 a:ea 节点设置东亚字体）
✅ 无 BLOCK_ARC / 无 DIAMOND（仅PPT格式）
✅ 使用 mck-ppt-design 布局模式（非自定义图表函数，仅PPT格式）
✅ 执行 full_cleanup()（正则完整移除p:style+空ln+themeShadow，仅PPT格式）
✅ AUDIT() 通过（PPT：图形密度≥10；DOCX/PDF：完整性校验）
✅ 去AI味自检通过（无空洞/浮夸表述）

内容质量：

✅ 内容充分展开：每个模块按内容深度自然分页，无因"页数限制"而压缩内容
✅ 用户指定页数时：已按比例压缩但保证完整性和连贯性
✅ 数据呈现：每个数据点获得充分展示空间，不挤在一页
✅ 来源标注完整（三级：用户资料/搜索来源/技能分析）
✅ 用户资料内容已扩增（≥1轮搜索补充）

素材与设计（v6新增）：

✅ 素材搜集已执行（素材清单 ≥ 3种类型，≥ 5个条目）
✅ 模板风格已确认（用户确认结果已记录在案）
✅ 素材引用已嵌入生成脚本（图片/图标路径正确）
✅ 配色主题应用正确（theme = apply_theme("xxx") 已调用）

自进化闭环：

✅ 自进化日志已写入（usage_log / template_stats 已更新）
✅ 技能发现扫描已执行（known_skills 已更新）
✅ S13 技能自修复已执行（收集问题→分级→写入SKILL.md→更新进化日志）

文件交付（S14新增）：

十一、质量门禁

11.1 API依赖安装及离线检查

在执行本技能前，自动检测运行环境和依赖：

bash

# 安装依赖（需网络，仅首次）
pip install python-pptx lxml python-docx reportlab

# 检测离线组件状态
python3 -c "from references.generate_offline_content import ContentGenerator; g=ContentGenerator(); print(g.get_mode_label())"

11.2 自审（AUDIT）

检查项	合格线	说明
图形密度（PPT）	≥ 10 图/页	仅PPT格式检查
微软雅黑覆盖	≥ 80%	中文全部使用微软雅黑
无 BLOCK_ARC / DIAMOND	零容忍	Mac兼容性检查（仅PPT）
格式完整性	100%	文件可正常打开、无损坏
L3交叉验证	完成	多框架结论模式连接+矛盾化解

11.3 交付检查清单（30项）

基础质量（必过项）：

✅ 微软雅黑 + 英文Arial
✅ 无 BLOCK_ARC / 无 DIAMOND（仅PPT格式）
✅ 使用 mck-ppt-design 布局模式（仅PPT格式）
✅ 执行 full_cleanup()（仅PPT格式）
✅ AUDIT() 通过（PPT：图形密度≥10；DOCX/PDF：完整性校验）
✅ 去AI味自检通过（无空洞/浮夸表述）

内容质量：

✅ 内容充分展开：每个模块按内容深度自然分页
✅ 数据呈现：每个数据点获得充分展示空间
✅ 来源标注完整（三级：用户资料/搜索来源/技能分析）
✅ 用户资料内容已扩增（≥1轮搜索补充）

方法论（v7.1新增）：

✅ 【v7.1】 复杂度分级是否正确（L1简单/L2标准/L3多框架组合）
✅ 【v7.1】 L3问题是否使用了框架组合策略并执行交叉验证
✅ 【v7.1】 每个改善提案是否包含ROI经济分析
✅ 【v7.1】 使用的方法是否执行了"常见误用"检查

自进化闭环：

✅ 自进化日志已写入
✅ 技能发现扫描已执行
✅ S13 技能自修复已执行

文件交付：

✅ 输出格式正确（PPT/DOCX/PDF 按用户选择）
✅ 文件完整性校验通过
✅ 文件已交付

十二、常见错误与修复

错误1：文件损坏打不开（Mac/Win提示"需要修复"）

原因：p:style 调用主题阴影引用 + 空 a:ln 节点 + typeface 属性缺失 → XML结构不完整导致PowerPoint修复提示修复：

full_cleanup() 必须使用 正则表达式彻底移除（而非字符串替换），删除所有 <p:style>...</p:style> 完整节点
清理空 <a:ln/> 节点（没有子元素的线条定义）
移除 <a:themeShadow> 主题阴影引用
确保每个 <a:latin> 有 typeface="Arial"，每个 <a:ea> 有 typeface="Microsoft YaHei"
每个 shape 调用 cs(s) 清理残留 XML

错误2：中文显示方块

原因：未设置东亚字体修复：

python

def sf(run, is_en=False):
    rPr = run._r.get_or_add_rPr()
    latin = rPr.find(qn('a:latin'))
    if latin is None:
        latin = rPr.makeelement(qn('a:latin'), {})
        rPr.append(latin)
    latin.set('typeface', EN if is_en else FN)
    ea = rPr.find(qn('a:ea'))
    if ea is None:
        ea = rPr.makeelement(qn('a:ea'), {})
        rPr.append(ea)
    ea.set('typeface', FN)

错误3：Mac上图形显示异常

原因：BLOCK_ARC 或复杂形状不被Mac PowerPoint支持修复：确保没有使用 MSO_SHAPE.BLOCK_ARC，所有圆环/饼图改用表格或柱状图替代。

错误4：文字重叠

原因：行间距未设置或使用固定Y坐标修复：

设置 p.line_spacing = Pt(font_size * 1.35) 防止中文重叠
多行文本动态计算高度
验证每个文本块的 top + height 不超出下一块的 top

错误5：connector 导致崩溃

原因：add_connector() 生成的 connector 在 Mac 上可能异常修复：用 add_hline()（薄矩形）替代所有 connector 和连线

错误6：markitdown 未安装导致资料提取失败

原因：环境未安装 markitdown 修复：

方法A：尝试 pip install 'markitdown[all]'
方法B：使用 Read 工具直接读取（PDF/图片/文本）
方法C：使用 WebFetch 读取网页内容
方法D：使用 python-pptx 读取 PPTX 文字

错误7：OCR识别结果不准确

原因：图片质量差或文字不清晰修复：

手动校对关键数据点
有疑问的数据标注"待确认"
建议用户提供清晰版本或核对

错误8：素材搜集无有效结果【v6 新增】

原因：搜索关键词过于宽泛或行业特殊修复：

方法A：缩小搜索范围，添加限定词（"报告"、"案例"、"最佳实践"）
方法B：使用中英双语各搜一次，互补结果
方法C：降级使用内置占位图标（ICON函数生成），跳过搜集
方法D：告知用户未找到高质量素材，建议提供参考

错误9：模板风格用户不满意【v6 新增】

原因：自动推荐风格与用户预期不符修复：

提供4种风格预览描述，让用户重新选择
记录用户选择到 usage_log 改善下次推荐
如果用户反复调整，最终保存用户手动选定的风格

十三、技能自进化系统

13.1 系统定位

这是技能持续进步的核心引擎。每次使用本技能时，自进化系统自动运行，实现三个目标：

发现新能力 — 扫描系统中有无新增的相关技能，自动集成
学习与改进 — 记录每次执行的结果、错误和改进建议
持续优化 — 根据使用频率自动优化模板选择和布局推荐

13.2 技能发现引擎

每次技能被调用时，自动执行技能发现扫描：

python

# 技能发现流程
def scan_new_skills():
    """扫描 ~/.workbuddy/skills/ 发现新技能"""
    known = load_known_skills()      # 加载已知技能列表
    all_skills = listdir_skills()     # 扫描当前所有技能

    new_skills = []
    for skill in all_skills:
        if skill not in known:
            relevance = assess_relevance(skill)  # 评估相关性
            if relevance >= threshold:
                new_skills.append(skill)
                auto_integrate(skill)   # 自动集成
    
    if new_skills:
        notify_user(new_skills)        # 通知用户
        update_known_skills(new_skills) # 更新已知列表

技能发现规则：

规则	说明
R10	每次技能加载时执行一次发现扫描
R11	相关性评估基于 SKILL.md 中的 description 关键词匹配
R12	发现的技能自动加入技能生态矩阵
R13	新技能信息存储在 `self_evolution/` 目录
R14	与现有技能同名的忽略（已有则跳过）

已发现的技能生态（当前 25 个已集成 / 其中3个v7.0已内置）：

领域	技能	用途	集成状态
分析诊断	ie-expert, rohoon-6sigma, kaizen, sixsigma	工业工程/六西格玛分析	外部依赖
调研方法论	本技能S0.5内置（7部门+诊断框架+改善定义）	调研→诊断→改善→交付	✅ v7.0已内置
流程图绘制	本技能S9+内置函数（9种图表引擎）	路线图/鱼骨图/甘特图/架构图	✅ v7.0已内置
PPT生成	本技能完整内置（mck-ppt-design）	报告生成全流程	✅ v7.0已内置

13.3 进化数据存储

系统在 self_evolution/ 目录中维护以下文件：

text

self_evolution/
├── known_skills.json       # 已知技能列表（含版本、发现日期）
├── usage_log.json          # 使用记录（模式频率、执行结果）
├── error_log.json          # 错误日志（错误类型、修复方案）
├── improvements.json       # 改进建议（用户反馈、自动发现）
├── template_stats.json     # 模板使用统计（频率、评分）
└── evolution_summary.md    # 进化摘要（供每次加载时参考）

13.4 自进化执行流程

每次技能被调用时，自进化系统按以下流程执行：

text

技能被调用
     │
     ▼
┌── S0: 自进化检查（与内容分析同时执行）
│     1. 加载进化数据（known_skills, usage_log）
│     2. 扫描新技能（scan_new_skills）
│     3. 检查上次错误是否已修复
│     4. 加载高频使用的布局模式偏好
│
     ▼
┌── S1-S12: 正常报告生成流程
│     （期间自动记录使用情况）
│
     ▼
┌── 执行后：写入进化日志
     │
     ├── 记录本次使用的内容类型和模板
     ├── 记录使用的布局模式及其频率
     ├── 如有错误 → 写入 error_log（含修复方案）
     ├── 更新 template_stats（优化下次推荐）
     └── 更新 evolution_summary.md

13.5 自我提升机制

python

# 每次执行后的自我评估
def self_improve(execution_result):
    """根据执行结果进行自我改进"""
    improvements = []
    
    # 1. 布局模式使用分析
    mode_usage = analyze_mode_usage(execution_result)
    for mode, count in mode_usage.items():
        if count > 5:  # 高频使用的模式
            improvements.append(f"优化模式 {mode} 的默认参数")
    
    # 2. 错误模式分析
    errors = execution_result.get('errors', [])
    for err in errors:
        if err['type'] == 'font':
            improvements.append("字体配置需要优化")
        elif err['type'] == 'shape':
            improvements.append(f"形状 {err.get('shape')} 需要加清理守卫")
    
    # 3. 用户反馈分析
    if execution_result.get('user_satisfied') == False:
        improvements.append("用户不满意，需审查输出质量")
    
    # 4. 技能生态更新建议
    if execution_result.get('new_skills_found'):
        improvements.append("发现新技能，建议集成")
    
    return improvements

13.6 每日技能巡检自动化

配合 WorkBuddy 的自动化功能，可设置每日技能巡检：

yaml

# 自动化配置建议
schedule: 每天 09:00
动作: 执行技能发现扫描
输出: 报告新发现的技能及集成建议

执行方式：

在 WorkBuddy 中创建自动化任务，定期运行巡检
或每次使用本技能时自动附带检查
发现新技能时，在报告中输出「💡 提示：发现新技能 XXX，可集成使用」

13.7 进化数据分析示例

指标	说明	使用方法
模式使用频率	每种布局模式被调用的次数	推荐高频模式作为优先选项
模板选择准确性	内容类型诊断与用户反馈的一致率	优化 detect_content_type() 权重
错误率	每次执行出现错误的概率	优先修复高频错误
技能集成率	已集成技能占可用技能的比例	发现遗漏的技能进行集成
用户满意度	用户对生成结果的反馈评分	优化模板和内容质量

13.8 与自进化系统对接

本技能与以下自进化框架技能协同工作：

技能	用途	对接方式
self-improving-agent	对话质量分析，识别改进机会	共享 evolution_summary.md
self-reflection	结构化反思与记忆	共享错误日志和学习记录
proactive-agent	将 AI 从任务执行者变为主动伙伴	自动建议模板优化

13.9 技能自修复机制（S13）— 【v6 新增 ⭐】

机制定位

S13 是最新的一层闭环：每次执行 PPT 生成时，如果遇到问题并找到了修复方案，该方案会被自动"写回"到 SKILL.md 中。这意味着下一次生成时，技能已经升级了——不再是"记住上次错了"，而是"技能文件本身就更新了"。

闭环架构

text

生成 → 发现问题 → 分析根因 → 修复 → 写入SKILL.md → 下次直接受益
 ↑                                                            │
 └────────────────── 每次执行都在这个循环中升级 ────────────────┘

与传统的「错误日志」不同，S13 的修复是持久化到技能文件本身的：

对比项	传统错误日志	S13 自修复
存储位置	`self_evolution/error_log.json`	SKILL.md + references/*
下次生效	需手动翻阅日志	自动生效（SKILL.md已更新）
影响范围	仅查看	所有使用该技能的人
更新方式	追加一条记录	修改技能代码/文档
错误类型	P0-P3全部记录	仅P0/P1级触发自动修复

触发时机

S13 在以下场景自动触发：

S11 质量审查未通过 — AUDIT() 发现图形密度不足/存在 BLOCK_ARC
用户报告文件错误 — 如"打不开"、"需要修复"、"字体显示异常"
用户反馈内容问题 — 如"数据不对"、"排版混乱"、"来源不清晰"
生成脚本执行异常 — python-pptx 报错、脚本运行中断
素材搜集失败 — 联网搜索无结果或结果质量差

修复类型与对应操作

发现问题	自修复操作	修改SKILL.md的位置
PPT文件提示"需要修复"	更新 `full_cleanup()` 实现规范	「常见错误1」+「助手函数：full_cleanup」
中文显示方块	更新字体设置规范	「常见错误2」+「6.3字体规范」
文字重叠	更新行间距和动态高度规则	「常见错误4」+「布局函数TX()规范」
图片无法嵌入	更新图片嵌入方式	新增到「常见错误」
用户重复选择同一风格	将该风格设为默认推荐	「6.6配色主题·自动选择逻辑」
某个布局模式频繁使用	将该模式列为默认首选项	「6.1布局模式·推荐列表」
搜索不到合适素材	更新搜索关键词方案	「S6.5·素材搜集·搜索词表」

配套参考文件

文件	说明
`references/self_repair.py`	S13 自修复引擎脚本（问题收集→分级→自动修复→进化日志）
`references/repair_pptx.py`	深度PPTX修复工具（专用于"文件损坏需修复"问题的解决方案）

自修复示例：以本次 full_cleanup() 修复为证

本次执行中，用户反馈 PPTX 在 PowerPoint 中提示"需要修复"：

问题收集：用户反馈「文件打不开」
根因分析：full_cleanup() 使用 replace('<p:style', '') 字符串替换，未完整移除 XML 节点，导致 PowerPoint 解析异常
修复方案：改为 re.sub(r'<p:style[^>]*>.*?</p:style>', '', content, flags=re.DOTALL) 正则彻底删除 + 清理空 <a:ln/> + 移除 a:themeShadow
自修复写入：
- ✅ 更新「常见错误1：文件损坏打不开」的修复方案
- ✅ 更新「助手函数：full_cleanup()」的实现描述
- ✅ 新增 references/repair_pptx.py 独立修复脚本作为参考
效果确认：重新生成的文件PowerPoint可正常打开

这就是 S13 的实际运作——一次"边用边修，修完即升级"的闭环修复。

十四、参考文件

文件	说明	来源
`references/generate_pro.py`	PPT生成脚本模板	consulting-report-generator
`references/generate_docx.py`	DOCX生成脚本模板	consulting-report-generator
`references/generate_pdf.py`	PDF生成脚本模板	consulting-report-generator
`references/generate_mindmap.py`	脑图PDF生成脚本	consulting-report-generator
`references/generate_offline_content.py`	离线内容生成引擎	consulting-report-generator
`references/extract_content.py`	资料提取脚本模板	consulting-report-generator
`references/repair_pptx.py`	PPTX深度修复脚本	consulting-report-generator
`references/deep_research.py`	深度研究脚本	consulting-report-generator
`references/self_evolution.py`	自进化系统脚本	consulting-report-generator
`references/self_repair.py`	技能自修复引擎	consulting-report-generator
`references/consulting-phrases.md`	咨询报告专业用语模板	manufacturing-consulting-ppt
`references/report-templates.md`	报告页面结构模板	manufacturing-consulting-ppt
`references/requirements-summary.md`	完整需求规格文档	consulting-report-generator
`references/methodology.md`	调研方法论（四阶段）	manufacturing-consulting-toolkit
`references/diagnosis_framework.md`	ODP-I²诊断框架+改善方向库	manufacturing-consulting-toolkit
`references/project_definition.md`	改善项目定义与规划	manufacturing-consulting-toolkit
`references/sales_order.md` ~ `references/equipment_mold.md`	7部门调研指南+设备模具	manufacturing-consulting-toolkit

资产文件（v7.0新增）

文件	用途	来源
`assets/survey_checklist.md`	调研检查清单（顾问版）	manufacturing-consulting-toolkit
`assets/interview_questions.md`	标准化访谈问题库（8个层级）	manufacturing-consulting-toolkit
`assets/report_template.md`	调研报告框架模板	manufacturing-consulting-toolkit
`assets/ppt_outline.md`	标准汇报PPT大纲（34页）	manufacturing-consulting-toolkit

脚本工具（v7.0新增）

文件	用途	来源
`scripts/consulting_report_generator.py`	交互式报告生成+ROI计算	manufacturing-consulting-toolkit
`scripts/diagnosis_analyzer.py`	交互式诊断分析+优先级评估	manufacturing-consulting-toolkit
`scripts_industry_search/iresearch_report_search.py`	艾瑞咨询/QuestMobile行业报告搜索脚本	consulting-report-search
`references_industry_search/iresearch-api.md`	iResearch/QuestMobile API参数与解析说明	consulting-report-search

十五、深度研究引擎（v5.1 新增）

15.1 功能定位

在内容扩增子系统基础上，增加深度研究能力。当用户材料中的关键数据点需要行业佐证、或者报告需要更深层次的市场分析时，启用本引擎进行多源交叉验证研究。

15.2 研究框架（三阶段）

text

┌─ 第一阶段：需求澄清 ─────────────────────────────────┐
│  识别材料中的关键数据点 → 需要佐证的断言 → 行业空白   │
│  输出：研究需求清单（3-5个研究主题）                   │
└─────────────────────────────────────────────────────────┘
     │ 用户确认
     ▼
┌─ 第二阶段：多源调研 ─────────────────────────────────┐
│  每个主题执行：                                        │
│  ├─ 第1轮：广度搜索（5-10个来源）                     │
│  ├─ 第2轮：深度提取（关键来源详细分析）               │
│  └─ 第3轮：交叉验证（不同来源对比验证）               │
└─────────────────────────────────────────────────────────┘
     │ 自动执行
     ▼
┌─ 第三阶段：数据融合 ─────────────────────────────────┐
│  将研究结果与用户原始材料融合                         │
│  ├─ 用户数据 ✓                                        │
│  ├─ 搜索佐证 ✓                                        │
│  └─ 综合分析 ✓                                        │
└─────────────────────────────────────────────────────────┘

15.3 三级证据体系

等级	来源类型	可信度	标注格式
L1	用户提供的原始材料	★★★	"数据来源：用户资料"
L2	权威行业报告/政府数据	★★★	"来源：XXX（年份）"
L3	专业媒体报道/企业公开信息	★★☆	"来源：XXX·YYYY-MM-DD"
L4	通用网络搜索结果	★☆☆	"来源：网络搜索"

15.4 研究触发条件

条件	自动触发	说明
材料中包含具体数字指标	✅	自动搜索行业基准对标
材料提及竞争对手或行业趋势	✅	搜索最新动态补充
材料中有政策/法规引用	✅	验证政策时效性
用户明确要求"深度研究"	✅	完整三阶段执行
仅做PPT排版	❌	跳过研究

15.5 与现有工作流的集成

深度研究引擎嵌入 S3（内容扩增）阶段，在关键数据点识别后自动判断是否需要执行研究。

15.6 研究执行规范

text

第1轮 - 广度搜索: web_search(query, count=10) → 初始发现摘要
第2轮 - 深度提取: web_fetch(top_3_results) → 详细内容+关键数据
第3轮 - 交叉验证: web_search(alternative_terms) + web_fetch → 多源对比

15.7 研究技能生态对接

技能	用途	触发场景
academic-deep-research	严谨学术级研究	需要APA引用、文献综述
deep-research-pro	多阶段迭代调研	市场调研、竞品分析
research-cog	AI深度研究	投资研究、行业分析
arxiv-watcher	ArXiv论文摘要	最新技术研究成果
news-summary	新闻资讯抓取	行业最新动态和热点

十六、本地与离线模式（v6.1 新增 ⭐）

本技能可自动适配三种运行环境：在线模式（标准）、本地模型模式（Ollama）、完全离线模式（无网络+无模型）。无需用户手动配置，自动检测并切换。

16.1 三种运行模式

模式	网络	本地模型	内容来源	适用场景
☁️ 在线模式	✅ 有网	—	WebSearch + API	标准使用（默认）
💻 本地模型模式	❌ 无网	✅ Ollama	本地模型生成	内网/离线但有GPU
📦 完全离线	❌ 无网	❌ 不可用	内置离线模板库	隔离网络/纯本地

16.2 自动检测逻辑

python

def detect_mode():
    """自动检测并切换运行模式"""
    if check_network():
        return "online"        # 有网络 → 标准在线模式
    if check_ollama():
        return "local_model"   # 无网络但有Ollama → 本地模型
    return "offline"           # 完全离线 → 使用内置模板

16.3 离线内容模板库

内置 10个行业标准章节模板 + 3个离线案例库，确保完全离线时也能生成专业内容：

模板ID	内容	字数
lean_intro	精益生产概述	~200字
seven_wastes	七大浪费详解	~200字
jit	准时化JIT	~150字
jidoka	自働化Jidoka	~150字
kaizen	持续改善Kaizen	~150字
tpm	TPM全面生产维护	~150字
smed	SMED快速换模	~150字
5s	5S现场管理	~150字
oee	OEE与性能衡量	~150字
case_studies	3个离线行业案例	~300字

16.4 Ollama 本地模型配置

如需使用本地模型模式，确保：

bash

# 1. 安装Ollama
curl -fsSL https://ollama.com/install.sh | sh

# 2. 下载模型（需要一次联网）
ollama pull gemma4:e2b-it-q4_K_M

# 3. 启动服务
ollama serve

技能自动通过 http://localhost:11434 调用 Ollama API。

16.5 离线模式工作流变更

在离线模式下，以下步骤自动降级：

步骤	在线模式	本地模型模式	完全离线模式
S3 内容扩增	WebSearch行业数据	Ollama生成内容	离线模板库
S5 联网调研	多引擎搜索	跳过调研	跳过调研
S6.5 素材搜集	WebFetch搜图	使用本地ICON	使用本地ICON
S9 脚本生成	Python全量脚本	Python全量脚本	Python全量脚本
S10 执行	pip安装+执行	pip安装+执行	pip安装+执行

核心保障：PPT/DOCX/PDF/Mindmap 的生成和格式输出完全不依赖网络，离线不影响。离线仅影响内容扩增和素材搜集——降级使用内置模板和ICON占位符。

16.6 离线模式标记

生成的PPT在离线模式下，页面底部来源标注自动切换：

python

# 在线模式
SR(s, "来源：Evocon全球OEE基准报告·2024")

# 离线模式
SR(s, "来源：离线内容模板库（consulting-report-generator v6.1）")

16.7 参考脚本

文件	说明
`references/generate_offline_content.py`	离线内容生成引擎（自动检测→切换模式→Ollama/模板回退）

十七、IE经济分析与ROI计算模板（v7.1 新增）

每个改善提案应包含可量化的经济分析，使建议从"经验型"升级为"可计算型"。

ROI计算模板

python

def calculate_roi(investment, annual_savings, years=3):
    """投资回报分析（简化版）"""
    payback_period = investment / annual_savings  # 回收期（年）
    total_return = annual_savings * years
    roi = (total_return - investment) / investment * 100
    npv = sum([annual_savings / (1 + 0.08)**(y+1) for y in range(years)]) - investment
    
    return {
        "payback_years": round(payback_period, 1),
        "payback_months": round(payback_period * 12, 0),
        "roi_pct": round(roi, 0),
        "npv": round(npv, 0),
        "verdict": "建议投资" if payback_period < 2 else "审慎评估"
    }

常见误用与纠偏（管理咨询方法工具箱 v7.1）

方法	常见误用	纠偏指引
VSM价值流图	❌ 只画现状图不做未来图设计	✅ VSM核心价值在识别未来状态改善点
DMAIC	❌ 跳过Measure直接分析	✅ 无数据不分析，先收集再诊断
鱼骨图	❌ 把所有原因画上就结束	✅ 必须用ABC或Pareto筛出关键少数
SWOT	❌ 只列条目不做交叉策略	✅ 必须生成SO/WO/ST/WT四项交叉
5WHY	❌ 问三次就停或跳转到结论	✅ 必须追问到系统层根因而非表层
波特五力	❌ 只做行业分析不做企业定位	✅ 五力后必须连接企业战略选择

Integrated Manufacturing Consulting

Install

制造咨询全栈技能 v7.3（项目总结报告·客户高层汇报·5Part结构）

一、定位

技能名称

核心能力

双模式工作

内容类型自动检测

用户角色

覆盖领域

报告类型 — 不限页数，内容深度驱动

咨询项目总结报告标准结构（核心产出）

二、架构 — 十二层设计（v7.2 全栈整合）

三、内容分析引擎（v4 通用 ⭐）

3.1 功能定位

3.2 内容类型检测

3.3 自适应模板引擎

3.4 内容驱动的内容层

四、资料提取子系统

4.1 功能定位

4.2 提取流程

4.3 markitdown 使用规范

4.4 资料提取规则（R6-R9）

五、内容扩增子系统

5.1 功能定位

5.2 三级扩增模型

5.3 扩增策略矩阵

5.4 扩增执行流程

5.5 去AI味润色（集成 humanizer-zh）

六、设计要求

6.1 布局模式（基于 mck-ppt-design）

6.2 配色规范 — Theme Contract 主题合约模式

6.6 多配色主题 — Theme Contract 引擎（v5新增·v6增强）

6.3 字体规范

6.4 Mac兼容规则（R1-R5）

6.5 资料提取兼容规则（R6-R9）

七、内容标准 — 深度优先自适应引擎（v6 升级 ⭐）

模块化内容装配器

内容深度分级

自动页数生成算法

建议页数参考（非约束）

Action Title 要求

来源标注规范

八、助手函数规范

九、布局模式实现规范

布局：#1 Cover — 封面

布局：#6 TOC — 目录

布局：#5 Section — 章节分隔页

布局：#8 Big Number — 大数字

布局：#11 Data Table — 数据表

布局：#12 Metric Cards — 指标卡片

布局：#14 Three-Pillar — 三支柱

布局：#16 Process Flow — 流程箭头

布局：#24 Exec Summary — 执行摘要

布局：#20 Before/After — 对比

布局：#29 Timeline — 时间线

布局：#35 Action Items — 行动项

布局：#36 Closing — 结束页

布局：#39 Horizontal Bar — 水平柱状图

布局：#37 Grouped Bar — 分组柱状图

布局：#52 KPI Tracker — KPI追踪

布局：#57 Dashboard — 仪表盘

十、完整工作流（S0-S15 + S0.5·S0.75 · v7.2 全栈版）

S0: 需求识别与内容分析（双轨并行 ⭐）

S0.5: 制造咨询方法论加载（v7.0 新增）

S0.75: 复杂度分级与方法选型（v7.1 新增）

第一步：问题复杂度分级（L1/L2/L3）

第二步：快速方法选型 — 症状→方案映射

第三步：制造咨询框架组合策略

S1: 资料收集与识别

S2: 资料提取

S3: 内容解析与素材结构化

S3.5: 原PPT图片提取与复用（v7.3 新增）

S4: 需求确认

S5: 联网调研（免API）

S6: 原PPT图片提取（如有）

S6.5: PPT素材搜集与模板风格选择 【v6 新增 ⭐】

第一步：PPT素材智能搜集

第二步：模板风格智能选择

第三步：风格确认与素材预览

S6.5: PPT素材搜集与模板风格选择【v6 新增 ⭐】

S9.5: 格式适配生成【v6.1 新增 ⭐】

错误8：素材搜集无有效结果【v6 新增】

错误9：模板风格用户不满意【v6 新增】