NickLin
← 项目

GEO 月度复盘报告 PPT(Skill 链)

把「拉数据 → 出大纲 → 出片」拆成三个各司其职的 Skill——AI 负责理解与撰写,Skill 负责口径与结构,代码只做确定性的事。

  • Skill 编排
  • 报告自动化
  • Markdown → PPTX
  • 大纲复用
  • 数据真实性约束

Skill 案例 · 报告自动化 · 2026

GEO 月度复盘报告 PPT

概览

项内容
类型Skill 案例 · 报告生产工作流
场景品牌 AI 搜索可见性(GEO)月度复盘
形态三个 Skill 串联:数据与大纲 → 格式转换 → 幻灯片渲染
输入品牌资产标识 + 报告期 + 对比期(缺一项必须反问,禁止猜)
输出可编辑 .pptx,按大纲章节逐页映射
报告结构6 大板块 + 附录
视觉体系模板 + 设计 token,不使用渲染器默认配色
落地位置技能包只留模板;真实报告落用户项目目录,不回写技能包

它解决了什么

三个具体的痛点:

  1. 数据靠手抄——一堆指标分散在多个数据源里,人工搬进表格,抄错了也看不出来,因为报告本身就长得像对的。
  2. 结构每个月重新排——每个客户的口径与章节取舍都不同,第一个月调好,第二个月换了个人又从零开始。
  3. 改结构比填数据贵——「把某一节换个说法」这种一句话需求,手工做意味着重排好几页版式。

目标很明确:让数据自动来,让结构只调一次,让人只做判断。

技能链

数据与大纲       拉真实数据 → 组装 → 按模板生成 Markdown
                  (并负责「改大纲」的人机来回)
      │
格式约束         Markdown → PPT 的结构映射与视觉规范
                  (不自己渲染,只交付约束)
      │
渲染             真正生成可编辑 .pptx

用户体感是一句话:说一句「给我这个月的复盘报告」,然后对着大纲说几句人话,确认,出片。

关键分工:上游 Skill 只产 Markdown,不内嵌任何导出逻辑;中间的转换层只管「怎么映射、用什么配色」;实际渲染交给通用渲染 Skill。任何一层都不越界。

难点与解法

1. AI 写报告最贵的成本,不是写得慢,是「看起来对」

模型生成一段带百分比的结论是零成本的,风险也正在这里——编出来的数值和真数值,读起来一模一样。

所以最硬的一条约束是数据真实性:所有数值必须来自真实接口返回,禁止编造;缺失时明确标注「数据缺失,需补充」,不许用占位符或假设值填。

报告里也不允许出现「当期」「对比期」这类相对描述,必须写真实日期。因为一页幻灯片被单独截图发出去时,「对比期」三个字没有任何信息量。指标旁必须带日期也是同一个道理——07-01~07-31 68.5% | 对比 06-01~06-30 65.3% 是可追溯的,裸写 68.5% 不是。

2. AI 的「润色本能」,是结构一致性的最大敌人

报告是分析师的观点,不是 AI 的创作。但模型看到「摘要」,第一反应就是改成「Executive Summary」;看到两个小章节,顺手就想合并。

所以把结构写成硬约束,并配了一份「想犯错时先停」的自查清单:

约束内容
大纲即结构严格按章节逐页映射,不得重组、合并或拆分
标题照抄不得概括、翻译或改写(含序号)
禁止搬移任何数据不得从 A 章节挪到 B 章节
指标带时间数值旁必须标当期与对比期,禁止裸数值
图表必须呈现大纲里的折线图、柱状图必须在 PPT 里真的画出来,不能用表格糊弄

对应的自查项写得很直白:「想润色标题更专业 → 违反标题照抄」「想补大纲没有的数据 → 违反内容对应」。把模型的直觉动作直接标成错误项,比事后检查有效。

3. 结构与数据必须分开——这是整套东西能复用的前提

每个客户的口径和章节取舍都不同。第一次调好的结构本身才是资产,不该下个月重来。

所以把大纲拆成两半:数据部分保留占位符,每次重新注入;结构部分(章节、看板表头、手填的分析结论)属于定稿内容,复用时不改动。

于是复用逻辑变成:

if 项目目录里已有该客户的大纲:
    以它为骨架 → 只重新拉数据注入 → 跳过重复的结构调整
else:
    用模板生成 → 用户调结构 → 确认后定稿存盘

还有一条容易被忽略、但很关键的工程约定:数据重拉与内容增删改不要混在同一轮,否则用户手动改的文字会被下一次刷新覆盖。

4. 出片之前,必须停一下

流程里设了一道硬闸门:只有用户明确确认,才生成 PPT,不接受「看起来差不多就出片」。

理由不是流程洁癖:结构错了的 PPT 比没有 PPT 更麻烦——它会流到客户手里。闸门卡在「人已经看过大纲」和「机器开始渲染」之间,把纠错成本压在最低的那一侧。前面还配了一道格式闸门,先问清楚要 PDF / PPT / Word 还是只要 Markdown。

5. 口径写成文档,不留给人记

这套东西要长期跑、换人跑,所以同源指标却口径相反之类的坑,全都固化成文字,而不是靠记忆传递。能写下来的规则就不该存在某个人的脑子里。

6. 视觉不赌「排版运气」,用模板 + 设计 token

做法是不让 AI 自由发挥配色:风格直接从模板文件取,配色按品牌设计规范执行,不许用渲染器的默认配色。

规范里同时写清了不要什么——不要深色科技风、不要 HUD 界面、不要机器人元素、不要卡片堆叠。把「避免清单」写进规范,比只写「要什么」更能收敛结果,因为风格的破坏往往来自叠加,不来自缺失。

边界与取舍

明确不做的事,和做的事一样重要:

不做为什么
不在本技能内实现导出导出是独立能力,转调专门 Skill,避免渲染逻辑各自演化
不在用户确认前自动出片结构错了的 PPT 会流到客户手里,纠错成本远高于等一下
不补大纲里没有的数据宁可少一栏,不造一个数
不硬编码凭据走环境变量
不把报告写回技能包技能包保持纯净、可被版本管理;项目数据留在项目里

Roadmap

Phase内容状态
1脚本化拉数据 + 手工套模板出 Markdown已完成(已废弃)
2去脚本化:AI 直连数据源,动态组装已完成
3大纲复用(结构与数据分离)已完成
4英文版大纲,支持外客户报告已完成
5决策闸门 + 自查清单,把模型的直觉动作标成错误项已完成

其他作品