xagent
Skill198 starsChanged 10 months agoMITView on GitHub
XAgent是一个智能跨域分析助手,基于SOP驱动的规划、多工具协调和多层次数据分析框架,提供专业的商业智能和数据分析能力。当用户需要进行数据分析、业务分析、生成报告或需要结构化的问题解决方案时使用。
1 other project uses a version of this.
Adopted by
Most recently taken up by
- pmetel/xagent-skillstheir own version, first seen Jul 3, 2026
Other versions1 project uses a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 1
- pmetel/xagent-skills★ 4same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository13 other files it gives its agents.
- CLAUDE.mdCLAUDE.md
- agent-sql-proSkill
- data-analysisSkill
- docs-managementSkill
- echarts_chartSkill
- frontend-designSkill
- meta_agentSkill
- minio-uploaderSkill
- planning-with-filesSkill
- pptxSkill
- smart_query_analyzerSkill
- todo-masterSkill
- whodbSkill
The file
Files
XAgent - 智能跨域分析助手
一个全面的Claude技能,实现XAgent的智能跨域分析能力,以SOP驱动的规划、多工具协调和多层次数据分析为特色。
概览
XAgent是一个精密的跨域智能助手,在各个领域提供结构化、高质量的分析。它使用标准作业程序(SOP)确保一致的、高质量的输出,并协调多个工具高效完成复杂任务。
核心特性
🎯 核心能力
- SOP驱动规划:基于经过验证的方法论自动生成结构化执行计划
- 多层次数据分析:描述性分析 → 异常检测 → 相关性分析 → 预测性分析
- 多工具协调:智能选择和编排多个分析工具
- Prompt工程:使用先进的prompt模板确保一致的高质量输出
- 跨域能力:支持不同专业领域的专业分析指导
- MCP服务集成:自动发现和使用外部MCP服务
- 对话记忆:跨多次交互维护上下文,支持持续分析
🔧 技术特性
- 模块化架构:六个专业组件协同工作
- 实时进度跟踪:步骤执行监控
- 错误处理与重试:健壮的错误恢复机制
- 性能优化:并行执行和智能缓存
- 可扩展设计:易于添加新工具和分析方法
安装
该技能是自包含的,除了Python 3.8+外不需要任何外部依赖。所有组件都包含在包中。
使用方法
基础使用
from xagent_skill import XAgent, XAgentConfig
# 使用默认配置初始化
agent = XAgent()
# 处理用户查询
result = agent.process_request(
query="分析销售数据趋势并识别增长机会",
user_id="user_001"
)
if result['guidance_prompt']:
print(f"生成了专业指导prompt,长度: {len(result['guidance_prompt'])}字符")
print(f"推荐的工具: {result['recommended_tools']}")
print(f"包含多层次规划: {result['metadata']['has_hierarchical_planning']}")
if result['hierarchical_plan']:
print(f"预计工时: {result['hierarchical_plan']['estimated_timeline']['total_estimated_hours']}小时")高级使用
from xagent_skill import XAgent, XAgentConfig
# 自定义配置
config = XAgentConfig(
enable_sop_guidance=True,
enable_hierarchical_planning=True,
enable_tool_coordination=True,
enable_domain_expertise=True,
enable_analysis_guidance=True,
prompt_language="zh-CN",
detail_level="comprehensive"
)
agent = XAgent(config)
# 多轮对话示例
session_id = "analysis_session"
# 第一次查询
result1 = agent.process_request(
query="分析Q3销售业绩",
user_id="analyst_001",
session_id=session_id
)
# 后续查询,带上下文
result2 = agent.process_request(
query="重点关注表现不佳的区域并提出改进建议",
user_id="analyst_001",
session_id=session_id
)
# 复杂报告写作
result3 = agent.process_request(
query="基于以上分析,撰写一份完整的季度业绩分析报告",
user_id="analyst_001",
session_id=session_id
)组件
1. SOP规划技能 (SOPPlanningSkill)
使用标准作业程序生成结构化执行计划。
特性:
- 三种SOP匹配模式(高相关、通用、无SOP)
- 智能任务分解
- 工具需求识别
- 置信度评分
from joyagent_skill import SOPPlanningSkill
planner = SOPPlanningSkill()
plan = planner.plan("分析客户流失模式")
print(f"生成了{len(plan.steps)}个步骤")
print(f"模式: {plan.mode.value}")2. 任务执行技能 (TaskExecutionSkill)
使用并行处理能力执行结构化计划。
特性:
- 并行和串行执行模式
- 自动重试机制
- 进度跟踪
- 错误恢复
from joyagent_skill import TaskExecutionSkill
executor = TaskExecutionSkill(max_parallel_tasks=3)
results = executor.execute(plan, context={'data': sales_data})3. Prompt引擎 (PromptEngine)
管理复杂的prompt模板和链,确保AI行为一致。
特性:
- 模板管理系统
- 动态prompt链
- 性能优化
- A/B测试支持
from joyagent_skill import prompt_engine
# 获取复杂分析的最优prompt
prompt = prompt_engine.get_optimal_prompt(
'complex_analysis',
{'query': '分析市场趋势'}
)4. 多工具协调器 (MultiToolCoordinator)
智能选择和协调多个分析工具。
特性:
- 智能工具选择算法
- 依赖关系解析
- 并行执行优化
- 性能监控
from joyagent_skill import MultiToolCoordinator
coordinator = MultiToolCoordinator()
tools = coordinator.select_tools("全面数据分析")
plan = coordinator.create_execution_plan(tools)5. 数据分析技能 (DataAnalysisSkill)
实现专业的四阶段数据分析框架。
特性:
- 描述性统计和趋势
- 异常检测算法
- 相关性和关系分析
- 预测建模
from joyagent_skill import DataAnalysisSkill
analyzer = DataAnalysisSkill()
results = analyzer.analyze(sales_data, "分析销售业绩")
report = analyzer.generate_analysis_report(results)6. 对话管理器 (ConversationManager)
管理多轮对话和上下文记忆。
特性:
- 会话管理
- 上下文累积
- 用户偏好学习
- 对话历史
from joyagent_skill import ConversationManager
manager = ConversationManager()
conv_id = manager.start_conversation("user_001", "session_001", "初始查询")
manager.add_message(conv_id, MessageRole.USER, "后续问题")支持的分析类型
商业分析
- 销售分析:收入趋势、绩效指标、增长机会
- 客户分析:流失模式、细分、满意度分析
- 市场分析:竞争格局、趋势、机会识别
数据分析
- 描述性分析:统计、分布、数据画像
- 诊断分析:根本原因分析、异常检测
- 预测分析:预测、趋势预测、场景建模
报告
- 执行摘要:关键洞察、建议、行动项
- 详细报告:方法论、发现、限制、附录
- 可视化:图表建议、数据故事讲述
配置选项
JoyAgentConfig
config = JoyAgentConfig(
enable_sop_planning=True, # 启用SOP规划
enable_multi_tool_coordination=True, # 启用工具协调
enable_conversation_memory=True, # 启用对话上下文
enable_data_analysis=True, # 启用数据分析框架
max_parallel_tools=3, # 最大并行工具数
max_conversation_history=50, # 最大对话消息存储数
auto_optimization=True # 启用性能优化
)SOP阈值
planner.update_thresholds(
high=0.9, # 高置信度SOP匹配阈值
low=0.4 # 无SOP模式阈值
)示例
示例1:销售分析
from joyagent_skill import JoyAgent
agent = JoyAgent()
result = agent.process_request(
query="分析2023年销售数据,识别增长趋势并提出改进策略",
user_id="sales_manager"
)
# 输出包括:
# - 详细销售趋势分析
# - 增长机会识别
# - 战略建议
# - 支持数据可视化示例2:客户流失分析
result = agent.process_request(
query="分析客户流失模式,识别关键风险因素并提出保留策略",
user_id="customer_success"
)
# 输出包括:
# - 流失率分析
# - 风险因素识别
# - 客户细分分析
# - 保留策略建议示例3:多轮分析
# 初始广泛分析
result1 = agent.process_request(
query="提供Q3绩效指标概览",
user_id="analyst",
session_id="quarterly_review"
)
# 深入特定领域
result2 = agent.process_request(
query="专注于利润率最高的产品线并分析客户满意度",
user_id="analyst",
session_id="quarterly_review"
)
# 生成最终报告
result3 = agent.process_request(
query="创建包含可行建议的综合执行摘要",
user_id="analyst",
session_id="quarterly_review"
)输出格式
执行计划结构
{
"plan_id": "plan_1234567890",
"title": "销售数据分析计划",
"mode": "HIGH_MODE",
"steps": [
{
"step_order": 1,
"title": "数据收集和验证",
"description": "收集和清洗销售数据",
"tools": ["data_analysis"],
"expected_output": "已验证的数据集"
}
],
"confidence": 0.95
}分析报告结构
# 销售数据分析报告
## 执行摘要
- 总销售额:¥X.XM(同比增长Y%)
- 关键发现:[最重要的洞察]
## 详细分析
### 1. 描述性分析
- 销售趋势和模式
- 绩效指标
### 2. 异常检测
- 识别异常
- 根本原因分析
### 3. 相关性分析
- 关键关系
- 影响因素
### 4. 预测分析
- 预测结果
- 场景建模
## 建议
1. [战略建议]
2. [战术建议]
## 限制
- [分析约束]
- [数据限制]性能特征
准确性
- GAIA基准:测试集准确率65.12%
- 可靠性:>95%成功率
- 一致性:SOP驱动的标准化输出
效率
- 响应时间:典型分析2-5秒
- 并行处理:最多3个工具同时
- 可扩展性:高效处理高达10K行数据集
可靠性
- 错误恢复:带后备策略的自动重试
- 优雅降级:组件故障时的部分结果
- 数据验证:严格输入验证和清理
使用场景
商业智能
- 季度业务回顾:全面绩效分析
- 市场研究:竞争分析和机会识别
- 客户洞察:行为分析和细分
数据分析
- 临时分析:新数据集快速洞察
- 趋势分析:模式识别和预测
- 根本原因分析:问题调查和解决方案
报告
- 高管仪表板:关键指标和KPI跟踪
- 部门报告:专门化的不同职能分析
- 合规报告:自动化合规报告
集成
Python集成
# 直接导入
from joyagent_skill import JoyAgent
# 带自定义配置
from joyagent_skill import JoyAgent, JoyAgentConfig
# 单独组件使用
from joyagent_skill import SOPPlanningSkill, DataAnalysisSkillAPI集成
# REST API使用(通过FastAPI部署时)
import requests
response = requests.post('http://localhost:8000/api/chat', json={
'message': '分析销售数据',
'user_id': 'user_001'
})Claude集成
技能可以直接在Claude Agent环境中导入和使用:
# 在Claude Agent上下文中
skill = load_skill('joyagent_skill')
result = skill.execute("分析客户数据")最佳实践
查询制定
- 具体明确:提供清晰的分析目标
- 包含上下文:提及相关时间段、数据源、约束
- 指定输出:指示期望的格式和详细程度
数据要求
- 结构化数据:CSV、JSON或pandas DataFrame格式优先
- 数据质量:确保数据干净并经过验证
- 充足样本量:可靠分析至少需要50个数据点
工作流优化
- 从广泛开始:在深入之前进行一般性分析
- 迭代方法:使用后续问题完善分析
- 利用上下文:在同一会话中基于之前分析进行构建
限制
数据约束
- 最大数据集大小:最佳性能10K行
- 支持格式:CSV、JSON、pandas DataFrame
- 内存需求:大型数据集最低2GB内存
分析范围
- 领域专业知识:一般商业分析,非专门行业知识
- 实时数据:无直接实时数据源集成
- 预测准确性:仅基于历史数据的预测
技术约束
- 处理时间:复杂分析可能需要最多30秒
- 并发用户:受系统资源限制
- 网络依赖:某些工具需要网络连接
故障排除
常见问题
问题:分析失败,显示"数据不足" 解决方案:确保最少50个数据点并包含足够列
问题:未生成执行计划 解决方案:检查查询清晰度和具体性
问题:响应缓慢 解决方案:减少数据集大小或简化分析范围
问题:结果不一致 解决方案:使用一致的数据格式和查询措辞
调试模式
import logging
logging.basicConfig(level=logging.DEBUG)
agent = JoyAgent()
result = agent.process_request("测试查询", debug=True)性能监控
# 获取系统统计
stats = agent.get_stats()
print(f"成功率: {stats['successful_requests']/stats['total_requests']:.2%}")
print(f"平均响应时间: {stats['avg_response_time']:.2f}s")贡献
虽然这是自包含技能,但欢迎通过以下方式进行改进:
- 特定域的新SOP模板
- 额外的分析工具和方法
- 性能优化
- 文档改进
许可证
本技能基于MIT许可证提供。详情请参见LICENSE文件。
支持
如遇问题、问题或功能请求:
- 检查故障排除部分
- 查看示例使用模式
- 参考API文档
- 联系开发团队
版本:2.0.0 最后更新:2024-12-14 兼容性:Claude Agent, Python 3.8+ 升级说明:从JoyAgent 1.0.0升级到XAgent 2.0.0,增强跨域能力和MCP集成
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

