TTokenySpace
返回 Skills 列表

品管圈技能

QCC课题发表PPT的辅助生成技能;当用户需要准备QCC发表、生成发表PPT、撰写讲稿、进行发表前检查时使用

#中文
0

安装到 Tokeny(自动)

下载 ZIP
安装"skill-qcc-activity-assistant"技能
技能信息:
- 名称: 品管圈技能
- 标识: skill-qcc-activity-assistant
- 描述: QCC课题发表PPT的辅助生成技能;当用户需要准备QCC发表、生成发表PPT、撰写讲稿、进行发表前检查时使用
- 版本: 1.0.0
下载地址:
https://www.tokeny.space/api/skills/skill-qcc-activity-assistant/download
继续

复制上方内容到 Tokeny 客户端并在会话中发送即可自动安装;也可直接 下载 ZIP并拖动到技能窗口安装。

SKILL.md

QCC项目发表辅助技能

触发场景

当用户说「准备发表」「合成发表PPT」「写讲稿」「发表前检查」「盘点项目产物」时加载本技能。

强制交互:获取项目产物

本技能依赖QCC项目的过程产物,调用时必须先向用户索要。

索要话术

为了帮您生成QCC发表PPT,我需要您的QCC项目过程产物。请提供以下任一形式:

1. 完整项目目录(包含00_项目主档案.md和Step1-Step10各步骤产物)
2. 项目主档案文档(含课题名、圈名、现状值、目标值等基本信息)
3. 各步骤产物文件(现状分析数据、要因验证、对策实施记录、效果确认数据等)
4. 已有的分析图表(柏拉图、鱼骨图、趋势图等图片文件)

您可以:
- 直接上传文件
- 粘贴文档内容
- 提供文件路径

请提供您的QCC项目产物,我将为您生成发表PPT。

产物解析能力

本技能可解析以下格式:

  • Markdown文档:提取课题信息、步骤产物
  • CSV/Excel数据:解析现状数据、效果数据
  • 图片文件:柏拉图、鱼骨图、趋势图等(检查分辨率≥300dpi)
  • YAML/JSON配置:解析项目配置
  • 纯文本:通过关键词识别提取结构化信息

图片内容解析(重要)

当项目产物中包含图片时,必须对图片内容进行围绕项目主线的文字解析。

解析流程

  1. 扫描图片:outline.py扫描项目目录,收集所有图片文件
  2. 智能体解析:使用多模态能力读取图片内容,生成围绕项目主线的文字解析
  3. 填入大纲:将解析结果填入大纲YAML的image_analysis字段
  4. 渲染到PPT:build_pptx.py将解析文字渲染到PPT图片下方

解析要求

  • 围绕项目主线:解析内容必须与课题目标、现状分析、要因验证、效果确认等主线相关
  • 提取关键信息:识别图表类型(柏拉图/鱼骨图/趋势图/柱状图等)、关键数据、主要结论
  • 简洁明了:每张图片解析控制在2-3句话,突出核心发现
  • 数据关联:将图片中的数据与项目主档案中的数据进行关联验证

解析示例

# 柏拉图解析示例
- path: "03_Step3_现状把握/柏拉图_不良类型分布.png"
  position: "right"
  width_cm: 14
  image_analysis: "该柏拉图显示不良类型分布,前三大不良为尺寸偏差(45%)、表面缺陷(28%)、装配不良(15%),累计占比88%,符合二八原则。"

# 鱼骨图解析示例
- path: "05_Step5_原因分析/鱼骨图_尺寸偏差要因.png"
  position: "full"
  width_cm: 20
  image_analysis: "鱼骨图从人、机、料、法、环、测六个维度分析尺寸偏差原因,识别出设备精度不足、操作规范缺失、来料公差过大三个主要要因。"

# 趋势图解析示例
- path: "09_Step9_效果确认/趋势图_改善前后对比.png"
  position: "right"
  width_cm: 14
  image_analysis: "趋势图显示改善后不良率从3.2%降至0.8%,目标达成率125%,改善效果显著且稳定。"

智能体解析指令

当需要解析图片时,使用以下指令:

请分析这张QCC项目图片,围绕以下主线进行解读:
- 课题目标:{project_name}
- 当前阶段:{step_name}
- 关键问题:{key_question}

请提取:
1. 图表类型(柏拉图/鱼骨图/趋势图/柱状图/其他)
2. 关键数据点(数值、占比、趋势等)
3. 主要结论(与课题目标的关联)
4. 2-3句简洁的解析文字(用于PPT展示)

任务路由表

任务脚本入参产物
盘点项目产物inventory.py项目根目录完整性报告.md
生成PPT大纲outline.py项目目录 + 模板选择大纲.yaml
大纲渲染为.pptxbuild_pptx.py大纲.yaml + 母版发表稿.pptx
生成讲稿speech_draft.py大纲.yaml + 控时讲稿.md
发表前自查review.py项目目录 + PPT路径自查报告.md
导出归档包export.py项目目录 + PPT路径zip包

场景路由表

场景加载文件
不知道PPT写哪些章节references/QCC大赛PPT结构标准.md
评委关注什么references/发表评审要点.md
PPT版式排版问题references/PPT版式规范.md
讲稿怎么写references/讲稿撰写规范.md
发表前要检查什么references/发表前自查清单.md

模板路由表

场景模板
朴素工业风母版templates/master_industrial.pptx
完整14章节大纲templates/ppt大纲_完整版.yaml
精简8章节大纲templates/ppt大纲_精简版.yaml
讲稿骨架templates/讲稿骨架.md

通用调用约定

  1. 必须先跑inventory.py确认产物完整,缺失项≥3个时阻断后续动作
  2. outline.py默认引用Step{N}目录的图表,不重新生成
  3. 图片解析流程
    • outline.py扫描图片并生成占位符(image_analysis: "[待智能体解析]"
    • 智能体使用多模态能力读取图片,生成围绕项目主线的文字解析
    • 将解析结果更新到大纲YAML的image_analysis字段
    • build_pptx.py将解析文字渲染到PPT图片下方
  4. build_pptx.py使用本技能内置python-pptx直接生成.pptx
  5. speech_draft.py默认每页60-120秒(数据密集页可到180秒)
  6. 总页数上限100页,超限报警告但不阻断
  7. 失败处理:缺图就用占位符+标红提示,不静默跳过

不做清单

  • 不重新画统计图/不重新做分析
  • 不替学员决定课题结论/真因/对策
  • 不自动生成配图/不加装饰图形/不套复杂排版模板
  • 不调用create-ppt技能/不依赖任何PPT通用合成技能
  • 不做现场发表演练
  • 不做发表后的复盘/评审反馈整理

资源索引

  • 脚本:见 scripts/ 目录(6个脚本)
  • 参考:见 references/ 目录(5篇规范文档)
  • 模板:见 templates/ 目录(母版+大纲+讲稿骨架)

注意事项

  • 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:QCC(品管圈)项目发表准备,包含 PPT 制作和讲稿撰写
  • 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8/10SKILL.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

评论

加载中…