Przejdź do treści
Biblioteka skilli
Dane i analityka · Budowanie i kod

bigdata-dashboard

/bigdata-dashboard

Generuje dashboard i ekran danych z pliku Excel lub JSON, z wykresami i szablonem, który można rozszerzać.

Licencja
AGPL-3.0
Ostatnia zmiana repozytorium
30.10.2026

Ocena i bezpieczeństwo

95/ 100Klasa: dobry
Format20 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
6
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 30.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

AGPL-3.0, copyleft: przeróbki udostępniane innym muszą mieć tę samą licencję.

Co robi i kiedy

Generuje dashboard i ekran danych z pliku Excel lub JSON, z wykresami i szablonem, który można rozszerzać.

Oryginalny opis (EN)

数字大屏/数据可视化驾驶舱生成器。当用户要求生成数据大屏、可视化大屏、数字驾驶舱、BI大屏、数据看板、dashboard、数据监控屏、监控大屏、图表大屏、可视化页面,或提供 Excel 或 JSON 数据想要渲染成可视化大屏页面时使用。触发词:大屏、看板、驾驶舱、dashboard、BI、可视化、Mock、模拟(数据)。Excel/JSON 双入口适配渲染,模板可自由扩展。" # 建议 allowed-tools(按需裁剪): # - Read, Bash(运行 py / cp / start 构建与预览) # 说明:构建产物由脚本生成,无需 Write/Edit

Jak działa

  1. 0. 入口路由
  2. 1. 流程A · 交互式生成(默认推荐,Mock 模拟先行 → 数据替换)
  3. 2. 流程B · 直接数据生成(用户已有 Excel/JSON)
  4. 3. 行业模板菜单与两种构建模式
  5. 4. CLI 速查
  6. 5. 模板扩展体系
  7. 6. Quick Reference 路由表
Sekcje z nagłówków SKILL.md, w oryginale · 213 linii, 870 słów
Podgląd SKILL.md
---
name: bigdata-dashboard
description: "数字大屏/数据可视化驾驶舱生成器。当用户要求生成数据大屏、可视化大屏、数字驾驶舱、BI大屏、数据看板、dashboard、数据监控屏、监控大屏、图表大屏、可视化页面,或提供 Excel 或 JSON 数据想要渲染成可视化大屏页面时使用。触发词:大屏、看板、驾驶舱、dashboard、BI、可视化、Mock、模拟(数据)。Excel/JSON 双入口适配渲染,模板可自由扩展。"
# 建议 allowed-tools(按需裁剪):
# - Read, Bash(运行 py / cp / start 构建与预览)
# 说明:构建产物由脚本生成,无需 Write/Edit
---

# 数字大屏生成器 (BigData Dashboard)

## 0. 入口路由

| 用户情况 | 走哪条路 |
|---|---|
| 无数据,需要选行业模板 | ↓ **流程A · 交互式生成**(第 1 节,Mock 先行 → 数据替换) |
| 已有 Excel/JSON,无风格要求 | ↓ **流程B · 直接生成**(第 2 节) |
| 已有数据 + 想要特定风格 | 流程B + `--template <骨架名>`(选模板见第 3 节菜单) |
| 想扩展 / 自定义模板 | 第 5 节 模板扩展体系 |

## 1. 流程A · 交互式生成(默认推荐,Mock 模拟先行 → 数据替换)

当用户要求「生成数据大屏 / 可视化大屏 / 数字驾驶舱」时,**不要直接套模板**,按「选模板 → Mock 先行预览 → 数据替换」推进:先让用户看到带演示数据的成品效果,满意后再换真实数据重建。

### 第 1 步 · 选行业模板

用 `AskUserQuestion`(或编号列表)展示「行业模板菜单」(见第 3 节)让用户选择。
`--template` 支持三种写法:编号(如 `092`)、英文骨架名(如 `revenue`)、中文名(如 `企业营收大数据统计可视化大屏`)。

### 第 2 步 · Mock(模拟)数据先行(立即出屏预览)

选定模板后**不等用户数据**,直接用 Mock(模拟)数据生成大屏让用户先看风格效果:

1. 读 `assets/templates/data/<skeleton>/README.md`(字段映射 + 校验约束)与 `example.json`(schema 骨架)
2. 按「Mock 数据规范」(见下方 1.1 节)现场生成 Mock 数据,存为 `output/<skeleton>_mock_data.json`
3. 构建 + 预览:

```bash
py scripts/build_dashboard.py output/<skeleton>_mock_data.json \
    --template <skeleton> --output output/<skeleton>_dashboard.html
```

4. 明确告知用户:当前为演示数据,对风格满意后提供真实数据即可**原样替换重建**(布局风格不变)

> 15 个内置模板全部自带源(入口 `index.html` 及源资源在骨架目录),均可直接构建,无需 `--source-dir`。

### 1.1 Mock(模拟)数据规范(第 2 步执行标准)

| 规则 | 说明 |
|---|---|
| Schema 合法 | 严格符合该模板 `example.json` 结构与 README 字段映射;数组长度、取值范围等约束必须满足(如 `wind.radar` 恰好 16 位、`waterPolo` 0-100),否则 injector 会静默跳过该字段 |
| 序列够长 | 时间序列 ≥ 12 个点,保证均线(MA5/MA10)、轮播、趋势等效果完整呈现(`example.json` 中的单点示例仅为 schema 演示,不可照抄) |
| 量级自洽 | 数值符合行业常识且内部逻辑一致(如降雨量 年 > 月 > 周 > 日;占比类合计 100%) |
| 日期新鲜 | 日期/时间类字段用构建当天,序列向前倒推 |
| 地理合理 | 地图点位落在模板主题区域(中国境内),`lng/lat` 为数值 |
| 命名隔离 | Mock 数据存 `output/<skeleton>_mock_data.json`,用户数据存 `output/<skeleton>_user_data.json`,产物 `output/<skeleton>_dashboard.html`;**交付前确认产物非 Mock 数据** |

### 第 3 步 · 数据替换(用户真实数据 → 同模板重建)

用户对风格满意后提供真实数据(Excel / JSON 任一),替换重建:

```bash
# 用户数据为数据模板回填的 Excel(make_xlsx_template 产物)→ 完整还原 JSON
py scripts/xlsx_to_json.py <用户>_data.xlsx output/<skeleton>_user_data.json

# 任意 Excel → 统一入口转换(_meta / legacy / 启发式 三分支)
py scripts/excel_to_json.py <用户>.xlsx output/<skeleton>_user_data.json

# 同一模板、同一命令重建(风格不变,仅数据更新)
py scripts/build_dashboard.py output/<skeleton>_user_data.json \
    --template <skeleton> --output output/<skeleton>_dashboard.html
```

若用户明确想从空白模板填起(跳过 Mock 预览),仍可直接发数据模板:

```bash
# 可选:程序化列出所有可用数据模板及其渲染策略(避免凭记忆)
py scripts/build_dashboard.py --list-data-templates

# 复制 JSON 模板到用户工作区
cp assets/templates/data/<skeleton>/example.json <用户目录>/<行业>_data.json

# 生成可填写的 Excel 模板(多 sheet:说明 / 概览 / 各字段 / 复杂字段以 JSON 文本存放)
py scripts/make_xlsx_template.py assets/templates/data/<skeleton>/example.json <用户目录>/<行业>_data.xlsx
```

把 `<行业>_data.json` 和 `<行业>_data.xlsx` 一并交给用户,**明确告诉他「填 Excel 或 JSON 任一即可」**。
Excel 中:「概览」表填标量(标题/标签/数值),「字段」表填数组(对象按列、数值按行),复杂嵌套字段为单元格内 JSON 文本可直接编辑。

**字段映射说明**:每个 `assets/templates/data/<skeleton>/` 下都有 `README.md`,记录了 `example.json` 每个字段对应的渲染目标(DOM 选择器 / echarts 实例 id / canvas)和填写注意事项。用户填写时如不确定字段含义,可参考该 README。

构建产物为自包含单文件 HTML(无 CDN 依赖),可直接浏览器打开。

## 2. 流程B · 直接数据生成(用户已有 Excel/JSON)

用户直接提供自己的 Excel(.xlsx) 或 JSON 数据时,**不需要**走流程A,`build_dashboard.py` 直接接受两种格式:

```bash
# Excel 直接生成(自动识别,无需先转 JSON)
python scripts/build_dashboard.py <用户数据>.xlsx --output dashboard.html

# JSON 直接生成
python scripts/build_dashboard.py <用户数据>.json --theme dark --output dashboard.html
```

### Excel 自动识别规则(excel_to_json.py)

按优先级三分支:

1. **模板回填的 Excel**(含隐藏 `_meta` sheet,即 `make_xlsx_template.py` 产物)→ 完整还原原 JSON 结构
2. **布局引擎历史约定**(含 `config/stats_left/summary/bignumber/gauges/ranking` 等 sheet 名)→ `data_processor.parse_excel`
3. **任意 Excel** → 启发式转换:
   - 第一个「2 列 文本+数值」sheet(≤10 行)→ 顶部统计卡片 statCards
   - 其余「文本+数值」sheet → 柱状图(每 sheet 一张)
   - 其它多列 sheet → 数据表格

### 通用 JSON 数据契约(布局引擎)

用户数据格式:`{ title, statCards[], charts[], tables[] }`。完整 schema 与示例见 `references/layout_schema.md`「用户数据契约」节,要点:

- `charts[].type`:`bar` / `line` / `area` / `pie` / `rose` / `hbar` / `scatter`
- `charts[].data`:单系列 `[{name, value}]`、多系列 `{categories, series}`,或透传完整 ECharts option
- 布局规则:statCards 通栏置顶;图表+表格每行最多 3 个自动均分

## 3. 行业模板菜单与两种构建模式

### 行业模板菜单(单源)

完整菜单(15 个模板:中文名 / 骨架名 / 适用场景 / 自带源标记 / 场景→模板建议)见 **`references/templates_menu.md`** —— 选模板与发模板时以它为准,勿凭记忆。运行时核实:`py scripts/build_dashboard.py --list` / `--list-data-templates`。

### 两种构建模式

```
用户数据 (Excel/JSON)
    │
    ├─ 模式1: 布局配置引擎(默认,推荐)
    │   Excel/JSON → data_processor.py → layout_builder.py → renderer.html → dashboard.html
    │   适用:有数据、不指定模板,自动按数据形状排布
    │
    └─ 模式2: 源模板适配(需 --template,从 15 个骨架中选)
        template_adapter.py → 骨架 HTML 注入数据 → dashboard.html
        适用:想要特定风格(如「数据中心」「电厂监控」「LPL电竞风」)
```

```bash
# 从已适配的 15 个骨架中选一个(全部自带源,免 --source-dir)
python scripts/build_dashboard.py data.json --template "weather"
python scripts/build_dashboard.py data.json --template "power_plant"

# 指定外部源目录(4 个骨架无自带源时需要)
python scripts/build_dashboard.py data.json --template "credit_risk"   # 15 个模板全部自带源
```

### 概念速览

- **双目录职责**:`templates/data/<skeleton>/`(example.json + example.xlsx + README.md,给用户填的业务数据样本)与 `templates/skeletons/<skeleton>/`(入口 index.html + injector.js + template_config.json + metadata.json,渲染层配置)一一对应但职责不同,由 `build_dashboard.py` 构建时读取后者;15 个骨架全部自带源(入口 `index.html` + 完整源资源)
- **字段映射链路**:`example.json` 业务字段 → `injector.js` → `template_config.json` 中的 DOM selector / echarts 实例 id(详见各 `templates/data/<skeleton>/README.md`)
- **数据注入**:全部 15 个骨架带 `injector.js`,构建时自动附加,读 `window.DASHBOARD_DATA` 用 `echarts.getInstanceByDom()` + `setOption()` 更新,不修改原始 JS、不暴露全局变量
- **布局引擎自动升级**旧版 `window.DASHBOARD_DATA` → `layout_config` schema,不要手动迁移旧数据
- **样式与响应式**:CSS 变量(`--primary-color`/`--bg-color`/`--panel-bg`)控制配色;`rem`/`vw`/`vh` 响应式字体;ECharts 自动绑定 resize
- ⚠️ **`data_schema.json` / `metadata.json` 是 `template_adapter.py` 的副产物**,不被 `build_dashboard.py` 读取,可忽略;其中 chart id 可能是占位符(如 `myChart`/`a`/`b`),DOM id 以 `template_config.json` 与 `README.md` 为准

## 4. CLI 速查

```bash
py scripts/build_dashboard.py data.json --theme dark --output dashboard.html   # 模式1 构建
py scripts/build_dashboard.py data.xlsx --output dashboard.html                # Excel 输入自动识别
py scripts/build_dashboard.py data.json --template pharma --output out.html    # 模式2 构建
py scripts/build_dashboard.py --list                 # 列出所有可构建模板
py scripts/build_dashboard.py --list-data-templates  # 列出可填写的数据样本及渲染策略
py scripts/make_xlsx_template.py assets/templates/data/<skeleton>/example.json user_data.xlsx  # JSON → 可填 Excel
py scripts/xlsx_to_json.py user_data.xlsx user_data.json   # 回填 Excel → JSON
py scripts/excel_to_json.py any.xlsx any.json              # 任意 Excel → JSON(三分支)
```

> `build_dashboard.py` 没有 `--help`(该 flag 会被当作数据路径报错)。不带参数运行可查看 usage。
> 模板清单 / CLI 参数有疑虑时,以 `--list` 输出为准,勿凭记忆。

## 5. 模板扩展体系

### 内置模板

| 来源                          | 数量 | 说明                                   |
| ----------------------------- | ---- | -------------------------------------- |
| `renderer.html`               | 1    | 动态布局引擎(默认,模式1)            |
| `assets/templates/skeletons/` | 15   | 已适配骨架(各含 injector.js + template_config.json + index.html 源资源),全部免 `--source-dir` |
| `assets/templates/data/`             | 15   | 用户填写的数据样本(example.json + example.xlsx + README.md),与 skeletons 一一对应 |
| `assets/templates/custom/`    | 0    | 用户自定义模板扩展点(空架子,待填充) |

### 自定义模板(用户扩展)

在 `assets/templates/custom/` 下创建子文件夹:

```
custom/
└── my-template/
    ├── metadata.json     # 模板元数据 + 数据 schema(必需)
    ├── skeleton.html     # HTML 骨架(可选)
    └── theme.css         # 自定义主题 CSS(可选)
```

`metadata.json` 规范参见 `assets/templates/custom/metadata.example.json` 和 `assets/templates/custom/README.md`。最小示例(仅 metadata.json 即可,其余由 renderer 引擎兜底渲染)见 `metadata.example.json`。

### 模板发现机制

1. **注册表**:运行 `python scripts/template_scanner.py <source_dir>` 生成 `registry.json`
2. **自动适配**:`build_dashboard.py --template NAME` 自动调用 `template_adapter.py` 适配源模板
3. **已适配骨架**:预置在 `assets/templates/skeletons/<english_name>/`(纯英文目录名),含 `template_config.json` + `injector.js`,构建时直接复用

## 6. Quick Reference 路由表

| 阶段 | 读哪个文件 |
|---|---|
| 选模板 / 场景→模板建议 | `references/templates_menu.md` |
| 通用数据契约 / 布局引擎 schema | `references/layout_schema.md` |
| 旧版 DASHBOARD_DATA 格式兼容 | `references/data_schema.md` |
| 行业模板字段映射说明 | `assets/templates/data/<skeleton>/README.md` |
| 自定义模板规范 | `assets/templates/custom/README.md` + `metadata.example.json` |
| 完整目录结构(工程视角) | `CLAUDE.md` |
| 模板清单运行时核实 | `py scripts/build_dashboard.py --list` |
Pliki w paczce (6)
  • .gitignore 1 KB
  • CLAUDE.md 10 KB
  • LICENSE 34 KB
  • README.en.md 3 KB
  • README.md 8 KB
  • SKILL.md 13 KB

Wersje

W bazie nie ma innych skilli o nazwie bigdata-dashboard.

Migawka bazy z 13.11.2026 · wersja paczki a55055e34758 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 86data-analyst
    Wczytuje, czyści i analizuje pliki CSV, JSON i Excel w pamięci, z testami hipotez, wykresami i kontrolą jakości danych.
  • 100bigdata-specialist
    Odpowiada na pytania o Big Data i analitykę w roli twórcy Sparka, Matei Zaharii, z wielowymiarową analizą i odpowiedziami w punktach.
  • 95jimubi-bigscreen
    Projektuje duże ekrany do wizualizacji danych na pełnym ekranie, na przykład dla BI, monitoringu i sal wystawowych.
  • 95bigdata-visualization
    Tworzy statyczne i interaktywne wykresy w Matplotlib, Seaborn i Plotly do dashboardów, raportów i wizualnej eksploracji danych.
  • 100wps-data-viz
    Składa w Excelu dashboard z kartami KPI, wykresami liniowymi, kołowymi i słupkowymi na jednej stronie.
  • 90dashboard
    Tworzy i odświeża dashboardy, strony metryk i raporty cykliczne z wykresami, liczbami i tabelami na podstawie danych.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.