Analysis toolkit
一个包含agent和skill的集合：RAG、技能审查、周报生成、项目管理、质量监控...及技术方案/内部设计文档
npx -y skills add Ldxs001/workbuddy-skills --skill analysis-toolkitAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- 2 stars2 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
What its author says it does
Copied from the file, not written here
检验检测行业质量控制和数据分析工具箱。覆盖室内质控、室间比对、批次间比对、方法验证、趋势监控五大场景。方法通用，跨领域适用。
The file declares its own license as MIT. That is the author’s claim about this one file, and it is not the same thing as the license GitHub reports for the repository, which is listed with the other numbers below.
SKILL.md
10.1 KB, as published. Nobody here has run it
analysis-toolkit：分析质控工具包
触发词：精密度、室内质控、室间比对、方法验证、标准曲线、趋势监控、Prophet 预测、PCA分析 适用场景：室内质控 | 室间比对 | 方法验证 | 趋势监控 | PCA分析 | 报告生成
场景驱动的检验检测分析工具箱 — 不是给你一堆函数，而是给你一套完整的分析工作流。
触发条件
正向触发：
- [帮我做室内质控分析 / 算一下精密度 / 画个质控图]
- [做几个实验室比对 / 算ANOVA和Z值 / 画YYouden 图]
- [做方法验证 / 算检出限定量限 / 拟合标准曲线]
- [做趋势监控 / 预测未来数据 / 跑Prophet 预测]
- [帮我生成质控报告 / 数据分析报告]
- [做PCA主成分分析 / 一致性评价]
- [做批次间比对 / 重复限性检查]
- [F值查表 / 回归分析 / 分组统计分析]
核心能力
→ 详见 渐进式文件索引表
| # | 功能 | 说明 |
|---|---|---|
| 1 | 四层算子架构 | 细粒度算子层 + 组合层(Pipeline) + 模板场景 + 自扩展 |
| 2 | 注册表驱动 | 算子注册表 + 自动缺口检测 + 公式级自测试 |
| 3 | 模板 = 场景 + HTML 报告包 | 场景模板(分析) × 报告模板(可视化) 独立编排 |
| 4 | 置信验证体系 | 场景交叉验证 + 通用逼近验证 + 算子自测试 |
📚 渐进式加载：本技能采用渐进式 MD 体系，
SKILL.md为入口（≤230行），详细内容拆分到references/*.md按需加载。
渐进式文件索引
| 文件名 | 分类 | 包含内容 | 审计关联 |
|---|---|---|---|
scripts/operations/ | 细粒度算子层 | 原子级统计/不确定度/总误差/回归算子（自动注册 + 缺口发现） | 无 |
scripts/pipeline/ | 流水线引擎 | Pipeline/Step 编排 + 模板注册表 | 无 |
scripts/standards/ | 标准管理 | 标准注册表 + 搜索链 + 自动注册 | 无 |
references/antipatterns.md | 规范指南 | 常见错误做法与正确做法 | R-18 |
references/data-interface.md | 数据接口规范 | 输入输出格式、字段约定、必填参数标注 | R-11 |
references/anova-analysis.md | ANOVA方差分析 | F临界值查表、单因素ANOVA实现 | 无 |
references/changelog.md | 版本管理 | 更新日志 | R-24 |
references/faq.md | 常见问题 | 数据格式、错误处理等常见问答 | R-19 |
references/group-analysis.md | 分组统计分析 | 分组聚合、阳性率分析、结论生成 | 无 |
references/LICENSE.md | 许可协议 | MIT 许可证 | R-26 |
references/pca-analysis.md | PCA主成分分析 | PCA算法实现、碎石图、散点图 | 无 |
references/permissions.md | 权限说明 | 操作类型与风险等级 | R-15, R-16 |
references/pipeline.md | 流水线参考 | Pipeline 架构、四种用法、模板=场景+报告 | 无 |
references/quickstart.md | 快速开始 | 导入、完整示例代码 | C-17 |
references/regression-validation.md | 回归分析与方法验证 | 线性/多项式回归、LOD/LOQ、不确定度 | 无 |
references/report-generation.md | 报告生成 | Word 报告生成模板与配置 | 无 |
references/standards-interface.md | 标准接口 | 标准注册/搜索、模板管理 | 无 |
references/time-series.md | 时序分析与预测 | 趋势聚合、滚动统计、Prophet 预测 | 无 |
工作流程
- 理解用户需求 → 识别分析场景和目标参数（输入：用户原始需求；输出：分析计划）
- 规划执行步骤 → 选择算子/Pipeline 模板，确定数据要求和预期输出（输入：分析计划；输出：执行方案）
- 调用相关工具/脚本 → 执行数据分析/质控计算/报告生成（输入：执行方案；输出：数值结果+HTML报告）
- 返回结果给用户 → 呈现分析结论和可视化报告（输入：数值结果+HTML报告；输出：用户可读的最终输出）
能力边界
支持范围
- 本技能专注于检验检测行业的质量控制和数据分析
- 单次调用可处理任意数量的测量数据点（基于 numpy/pandas 向量化计算）
适用范围说明
- 通用分析引擎：本技能专注统计分析与质控算法，方法和公式跨行业适用。
- 非专有场景：不包含农产品/食品检测的专用判定标准，但通用算法可直接处理其数据。
- 最小数据量要求：精密度分析每水平≥2行，质控图建议≥10个点，Prophet 预测需要≥3个聚合后的时间点。数据不足时函数会抛出 ValueError 或返回 result["warnings"] 提示。严重问题（如列名错误、斜率为0）抛出明确异常；轻度问题（如含空值、数据偏少）写入 result["warnings"] 并同步输出到控制台，避免静默返回错误结果。
- 最小数据量要求：精密度分析每水平≥2行，质控图建议≥10个点，Prophet 预测需要≥3个聚合后的时间点。数据不足时函数会抛出 ValueError 或返回 result["warnings"] 提示。严重问题（如列名错误、斜率为0）抛出明确异常；轻度问题（如含空值、数据偏少）写入 result["warnings"] 并同步输出到控制台，避免静默返回错误结果。
运行环境
- 离线可用，无需网络连接
- 基于 Python 3.8+，依赖 numpy/pandas/matplotlib
- 输入格式：pandas DataFrame
- 输出格式：数值结果 + HTML 可视化报告
- 内置算子数量持续增长中，可通过测试验证确保正确性
- 计算精度受限于 IEEE 754 双精度浮点数标准
核心场景
1️⃣ 室内质控（Internal QC）
同一实验室内部，评估方法精密度和稳定性。
| 功能 | 说明 |
|---|---|
| 多水平精密度分析 | 每水平SD/RSD/均值/中位数，合成标准差（正规算法 + 简单算法） |
| 重复限性检查 | 平行样极差检查、相对误差、允许值分级判定 |
| 质控图 | Levey-Jennings 控制图，±1σ/±2σ/±3σ限，失控点标注 |
→ 详见 渐进式文件索引表
2️⃣ 室间比对（Inter-lab QC）
多家实验室/操作人员/仪器之间的结果比对。
| 功能 | 说明 |
|---|---|
| ANOVA方差分析 | SST/SSB/SSW分解，F值计算 |
| F临界值查表判定 | α=0.05，支持 df₁=1 |
| Z值分析 | 基于ISO 13528的Z值计算与判定（满意/可疑/不满意） |
| YYouden 图 | 双实验室比对可视化 |
→ 详见 渐进式文件索引表
3️⃣ 批次间比对（Inter-batch QC）
不同批次的检测结果一致性检验。
| 功能 | 说明 |
|---|---|
| 批次ANOVA | 同室间比对的ANOVA流程，应用于批次维度 |
| 重复限性 | 批次内重复性检查 |
| 允许值判定 | 根据数量级自动查找允许偏差 |
→ 详见 渐进式文件索引表
4️⃣ 方法验证（Method Validation）
标准曲线、检出限、定量限、回收率、不确定度。
| 功能 | 说明 |
|---|---|
| 标准曲线拟合 | 线性/多项式，支持强制过零点 |
| 检出限/定量限 | 支持GB/T 27417和ICH两种标准，sigma 来源支持 curve/仪器/空白/噪声 |
| 加标回收率 | 多水平回收率计算 |
| 曲线不确定度 | EURACHEM/CITAC标准曲线分量 u_rel(curve) |
| 一致性评价 | PCA相关系数法 |
→ 详见 渐进式文件索引表
5️⃣ 趋势监控（Trend Monitoring）
长期数据跟踪与风险预警。
| 功能 | 说明 |
|---|---|
| 时序聚合分析 | 按日/周/月聚合，趋势图绘制 |
| 滚动统计 | 滚动均值、标准差、±2σ警戒线 |
| Prophet 预测 | 多品类/整体预测，95%置信区间 |
→ 详见 渐进式文件索引表
快速使用
导入
from scripts.operations import calc_mean, calc_sd, calc_rsd, calc_bias
from scripts.scenarios.internal_qc import internal_precision_analysis
示例
# 完整室内精密度分析
import scripts.scenarios.internal_qc as iqc
result = iqc.internal_precision_analysis(df, "水平", "结果")
fig, stats = iqc.control_chart(df, "结果")
流水线（Pipeline）
四种用法：
- 单独用 — 单步调用算子
- 组合用 — pipeline() + step() 临时拼装
- 场景模板 — 加载内置模板跑完整场景+HTML报告
- 自扩展 — 查标准->自动补全算子->注册模板
from scripts.pipeline.registry import load_template
from scripts.reporting.report_engine import render_from_template
pipe = load_template("总误差评估")
results = pipe.run(data)
html = render_from_template("总误差评估", results)
数据格式
统一接受 pandas.DataFrame。
关键列名参数：value_col(数值列), group_col(分组列), date_col(时间列)