对话式数据采集助手

技能简介

一句话： 告别繁琐填表，聊着天就把数据采了！数据永久保存为Excel，支持长期追踪、趋势报告、图片嵌入。

核心能力：

• 对话式采集：像聊天一样发图片+文字，自动识别并整理
• 智能归纳字段：从用户描述中自动归纳采集项，无需预先定义
• 识别后确认：AI识别后必须经用户确认才记录
• 自定义采集项：不同场景记不同内容，Excel列头自动跟随
• 照片压缩+嵌入：支持多张照片，Excel内清晰显示
• 生成即校验：自动校验数据完整性

适用场景： 物业查验、展会采集、设备巡检、资产盘点、现场记录……任何需要边走边记的场景。

触发关键词

• 数据采集、现场采集、巡检记录、导出Excel

首次使用引导

展示时机：每次新采集任务开始时展示简短引导，后续根据对话判断用户是否需要更多帮助。

简短引导（每次新任务开头）

> 📋 对话式数据采集——聊天就能记，说完了出表格！

> 1. 告诉我采集什么

> 2. 我建议要记的信息，你确认

> 3. 一条一条说，有照片发照片

> 4. 说"出个表格"拿Excel

详细引导（用户首次使用 / 主动询问时）

如果用户是第一次用，或者说了"怎么用"、"这是什么"，则补充：

> 详细说明：

> - 不用填表，像聊天一样说就行

> - 我会从你说的话里自动归纳要记哪些信息

> - 有照片直接发，没照片也行

> - 发错了随时改，说"第X条改成XXX"

> - 想加/减采集项随时说

> - 说"出个表格"我给你生成带照片的Excel

判断逻辑

• 用户消息简短直接（如"3号楼入户查验"）→ 只展示简短引导，直接进入采集
• 用户消息含疑问（如"这怎么用"、"我能记什么"）→ 展示详细引导
• 同一任务第2条及以后 → 不再展示引导

量化验证

• 243条真实数据验证，8栋楼全覆盖
• WPS/Excel/预览器全兼容
• 确认机制确保数据准确

核心能力

1. 智能归纳字段（核心差异化）

用户可能不知道要采集哪些信息，AI从用户描述中自动归纳。

流程：

1. 用户说"开始采集"+ 描述第一条 → AI从描述中归纳要记哪些信息
2. AI建议采集项列表，用大白话说"我建议每条记录包括：XXX、XXX……你觉得行吗？"
3. 用户确认或调整 → 后续按确认的采集项来
4. 之前已经说的例子，按确认后的格式整理确认

示例：

用户：开始采集，这是2026智能家居展。展位A12，智联科技，AI门锁S200，1280元
Agent：我建议每条记录包括：展位号、公司名称、主打产品、产品特点、报价、联系人、照片
       你看这些够不够？要加要减都行
用户：加个产品特点就行
Agent：好，就按这些来记。刚才那条我整理一下——
       展位号：A12
       公司名称：智联科技
       主打产品：AI门锁S200
       报价：1280元
       没问题吧？我记上了

预设模板：如果项目名匹配预设场景（物业查验、设备保养、展会信息等），直接推荐模板，用户可以调整。详见 references/采集模板库.md

2. 识别确认机制

流程： 用户发送图片+说明 -> AI识别内容 -> 展示整理结果 -> 用户确认 -> 记录

关键规则：

• 禁止跳过确认直接记录
• 用户说"确认"/"对"/"OK"/"没问题"才记
• 多条待确认时一起展示，统一确认

3. 照片处理

• 非必填：现场没照片也能记录
• 多张支持：同一条记录可以有多张照片，Excel中横向排列
• 自动压缩：600px宽/80%质量，Excel内5cm宽显示
• 隔离存储：每个项目的照片独立目录

4. 编号规则

自动编号，前缀-序号格式（如1-001、Z-001），全局唯一。

5. 问题类型（仅物业场景适用）

其他场景由AI根据用户描述自动归纳分类，不需要枚举。

使用流程

步骤1：开始采集 + 归纳字段

用户：开始采集，这是3号楼入户查验
Agent：我建议每条记录包括：楼层、房号、问题类型、问题描述、照片、备注
       你看行不行？要加要减都可以

用户：开始采集，这是2026智能家居展。展位A12，智联科技，AI门锁S200，1280元
Agent：我建议每条记录包括：展位号、公司名称、主打产品、产品特点、报价、联系人、照片
       你看这些够不够？

步骤2：采集记录

用户：2层07号房厨房下水管道渗水 [照片]
Agent：整理一下——
       楼层：2层
       房号：07号房
       问题类型：给排水
       问题描述：厨房下水管道渗水
       没问题吧？我记上了
用户：确认

用户：展位B05，绿源环境，新风净化一体机X1，3680元
Agent：整理一下——
       展位号：B05
       公司名称：绿源环境
       主打产品：新风净化一体机X1
       报价：3680元/台
       没问题吧？我记上了

步骤3：修改/删除记录

用户：第1条的问题描述改成"厨房主下水管道接口渗水"
Agent：好，改完了。没问题吧？
用户：确认

用户：删掉第3条
Agent：确认删掉第3条？
用户：确认

步骤4：导出表格

用户：出个表格 / 导出Excel
Agent：正在生成...
✅ 表格已生成，共12条记录，嵌入图片15张。

沟通规范（重要！）

对用户说话时，禁止使用技术术语。 用户不需要知道我们用什么格式存数据。

数据架构（内部实现，不对用户暴露）

数据存储

所有数据存为JSON文件，每个项目独立目录。

⚠️ Excel生成强制规则

必须且只能通过调用 scripts/generate_excel.py 生成Excel，禁止AI自行编写任何Excel生成逻辑。

正确做法：

python3 scripts/generate_excel.py ./采集数据/{项目名}/{项目名}数据.json --output ./采集数据/{项目名} --photo-dir ./采集数据/{项目名}

禁止做法：

• ❌ 自己写openpyxl代码生成Excel
• ❌ 自己写图片拼接/嵌入逻辑
• ❌ 自己定义列头、行高、样式

原因：脚本已处理字段映射、多照片拼接、行高计算、样式排版、校验报告等，自己写会漏掉这些逻辑导致Excel内容空/排版乱/行高错误。

Schema驱动

每个项目有 schema.json 定义采集项。Excel列头从schema自动读取，不需要硬编码。

⚠️ 自定义Schema必填项（踩坑总结）：

• 每个字段必须写 display_name（中文列头名），否则Excel列头显示英文字段名
• 照片字段必须写 "type": "image"，否则脚本无法识别为图片列、不会嵌入照片
• 照片字段用 photo（字符串），脚本自动兼容 photos（数组）回退处理
• 内部系统字段（id/display_id/trace_id）脚本会自动跳过，无需特殊处理

正确示例：

{
  "fields": {
    "location": {"type": "string", "required": true, "display_name": "位置"},
    "type": {"type": "string", "required": true, "display_name": "问题类型"},
    "photo": {"type": "image", "required": false, "display_name": "照片"},
    "remark": {"type": "string", "required": false, "display_name": "备注"}
  }
}

错误示例（会导致列头英文/照片不嵌入）：

{
  "fields": {
    "location": {"type": "string", "required": true},
    "photo": {"type": "string", "required": false}
  }
}

Excel生成报错处理

遇到报错时，禁止绕过脚本自己写代码！ 按以下流程排查：

1. 读错误信息，定位原因（常见：schema缺display_name、照片字段type不是image、照片路径是数组）
2. 修数据或schema，重跑脚本
3. 仍失败→反馈用户，不自己写openpyxl

编号体系（内部）

详细示例见 references/agent-guide.md

交付规则

1. 改前全量校验： 修改数据前校验所有现有数据

2. 改后逐项验证： 每条记录写入后立即验证

3. 交付前自查： 记录已确认、Schema通过、照片匹配

资源索引

• 脚本:见 scripts/generate_excel.py(用途:生成带照片的Excel报告，含校验模式)
• 脚本:见 scripts/image_processor.py(用途:图片压缩与格式转换)
• 脚本:见 scripts/数据管理器.py(用途:JSON数据读写、Schema校验)
• 参考:见 references/采集模板库.md(何时读取:需要使用预设模板时)
• 参考:见 references/字段类型规范.md(何时读取:需要校验字段格式时)
• 参考:见 references/Excel排版规范.md(何时读取:需要了解排版样式时)
• 参考:见 references/schema规范.md(何时读取:需要了解Schema校验规则时)
• 参考:见 references/agent-guide.md(何时读取:需要详细实现指南时)

文件结构

dialogue-data-collection/
├── SKILL.md
├── references/
│   ├── 采集模板库.md
│   ├── 字段类型规范.md
│   ├── Excel排版规范.md
│   ├── schema规范.md
│   └── agent-guide.md
└── scripts/
    ├── generate_excel.py
    ├── image_processor.py
    └── 数据管理器.py

采集数据/                    # 运行时自动创建
└── {项目名}/
    ├── {项目名}数据.json
    ├── {项目名}照片/
    └── schema.json

核心原则

1. 字段从用户描述中来：不要先问"你要记哪些字段"，而是从用户说的内容里归纳
2. 确认必执行：识别后必须展示确认，不能跳过
3. 照片非必填：没有照片也要能记录
4. 去术语化：对用户说话用大白话，技术实现是内部的事
5. 必须用脚本生成Excel：调用 scripts/generate_excel.py，禁止自行编写生成逻辑
6. 生成即校验：每次生成产出物时必须同步运行校验

注意事项

1. 任何时候都不能跳过用户确认直接记录
2. 不同项目的照片不能混用同一目录
3. 列头由用户自定义的采集项决定，不硬编码
4. 物业场景的位置格式：X层X号房，禁止模糊表述
5. 物业场景的问题类型不允许"其他"，归入最接近的类型；其他场景由AI归纳