通用报告生成器 v6.1（自进化·深度研究·素材增强·多格式输出·脑图PDF）

版本演进：v3 Pro（布局重构）→ v4（通用双模式）→ v5（自进化系统）→ v5.1（深度研究增强）→ v6（素材智能搜集+模板风格引擎）→ v6.1（PDF/DOCX多格式输出+脑图）

核心升级：

• 🧬 技能自进化系统 — 每日发现新技能、追踪使用模式、自动优化
• 🔍 技能发现引擎 — 扫描126+本地技能，智能推荐可集成的新能力
• 📊 使用分析引擎 — 追踪布局模式使用频率，优化模板选择
• 🐛 错误学习机制 — 记录每次错误与修复，避免重复问题
• 🔄 持续优化循环 — 自动更新技能生态矩阵，保持与时俱进
• 🎯 内容类型自识别 — 上传任意PPT/文字，自动判断内容类型
• 🔬 深度研究引擎 — 多源交叉验证、证据层次、三轮调研循环
• 🖼️ OCR/文档识别 — PDF、图片、Word、Excel文字提取
• 🧠 内容智能扩增 — 联网搜索补充，扩展报告深度
• ✨ 去AI味润色 — 集成 humanizer-zh 去除AI痕迹
• 🎨 素材智能搜集引擎（v6新增）— 自动搜图、搜图标、搜参考PPT、搜配色方案
• 👔 模板风格智能选择（v6新增）— 内容驱动+用户偏好双因子风格推荐
• 📄 多格式输出（v6.1新增）— PPT/DOCX/PDF 三格式支持，无明确指令时默认生成PPT
• 🧠 脑图PDF输出（v6.1新增）— 根据PPT结构自动生成思维导图PDF，可视化报告大纲

一、定位

技能名称

consulting-report-generator（通用报告生成器）

核心能力

输入任意内容 → 自动识别 → 自适应模板 → 生成专业报告

无论你上传的是制造咨询PPT、项目规划文档、市场调研报告、技术总结、还是任何行业的工作总结，本技能会自动分析内容类型，选择最合适的模板和布局，生成结构严谨的专业报告。

双模式工作

内容类型自动检测

当用户上传资料时，自动执行内容分析：

输入内容分析
     │
     ├── 关键词检测: 精益/OEE/MES/TPM/SMED → 制造专家模式
     ├── 关键词检测: 项目/里程碑/成果/阶段 → 项目管理模式
     ├── 关键词检测: 市场/竞争/客户/份额 → 市场分析模式
     ├── 关键词检测: 技术/架构/系统/方案 → 技术总结模式
     └── 未匹配 → 通用模式（自适应模板）

用户角色

精益生产、智能制造、计划物控（PC&MC）、数字化转型、AI与工业智能资深咨询专家； 以及任何需要将内容转化为专业报告的职场人士。

覆盖领域

报告类型（5种）— 不限页数，内容深度驱动

核心原则：除非用户指定页数，否则不设上限。每个模块充分展开，数据表格完整呈现，对比分析逐项展开，确保信息密度和专业深度。生成建议页数为各项之和，但不受限于任何固定页数。

二、架构 — 九层设计

┌─ 自进化层 ──【v5新增】──────────────────────────────────────┐
│  技能发现引擎 + 使用分析 + 错误学习 + 模板优化              │
│  ▸ 每日扫描 ~/.workbuddy/skills/ 发现新技能                │
│  ▸ 追踪布局模式使用频率，自动推荐最佳模板                   │
│  ▸ 记录每次执行错误与修复，持续改进                         │
│  ▸ 自动更新技能生态矩阵，保持与系统同步                     │
│  ▸ 每次执行后写入进化日志，供后续参考                       │
├─ 识别层 ──────────────────────────────────────────────────┤
│  内容类型自动检测 + 自适应模板选择                          │
│  ▸ 关键词扫描 → 判断内容领域（制造/项目/市场/技术/通用）    │
│  ▸ 结构分析 → 识别章节/数据/图表/KPI                      │
│  ▸ 模板匹配 → 根据内容类型选择最佳模板                     │
│  ▸ 制造领域 → 启用专家技能生态                             │
├─ 设计层 ──────────────────────────────────────────────┤
│  mck-ppt-design 引擎（70种麦肯锡布局模式）              │
│  ▸ Cover / TOC / Section / Appendix                    │
│  ▸ Big Number / Data Table / Metric Cards / KP Tracker │
│  ▸ 2x2 Matrix / Three-Pillar / Pyramid / Process       │
│  ▸ Side-by-Side / Before-After / Scorecard              │
│  ▸ Exec Summary / Key Takeaway / Case Study            │
│  ▸ Timeline / Vertical Steps / Cycle / Funnel          │
│  ▸ Grouped Bar / Horizontal Bar / Trend / Dashboard    │
├─ 素材层 ──【v6新增】───────────────────────────────────┤
│  PPT素材智能搜集 + 模板风格选择引擎                     │
│  ▸ 行业图片搜索 → 按内容关键词收集高质量配图            │
│  ▸ 图标/装饰元素 → 创建装饰图标资源池                   │
│  ▸ 参考PPT分析 → 提取优秀设计元素（配色/字体/布局比例）   │
│  ▸ 风格双因子推荐 → 内容主题 × 受众期望 → 最优风格       │
│  ▸ 素材本地化 → 下载并保存到素材缓存目录                 │
│  ▸ 用户确认 → 展示素材预览，让用户调整风格选择            │
├─ 研究层 ──【v5.1新增】──────────────────────────────────┤
│  深度研究引擎 + 多源交叉验证 + 证据层次                    │
│  ▸ 关键数据点识别 → 自动判断是否需要深度研究              │
│  ▸ 三级调研（广度/深度/交叉验证）                         │
│  ▸ 四级证据体系（L1-L4）                                  │
│  ▸ 对接academic-deep-research等研究技能生态               │
├─ 内容层 ──────────────────────────────────────────────┤
│  联网搜索（免API） + 内容扩增引擎                       │
│  ▸ multi-search-engine（16引擎中英双语）                │
│  ▸ WebSearch（WorkBuddy内置搜索）                      │
│  ▸ WebFetch（搜索结果详情提取）                         │
│  ▸ 智能扩增：搜索补充资料 → 扩展报告深度                │
├─ 提取层 ──────────────────────────────────────────────┤
│  OCR识别 + 文档解析 + 图片文字提取                      │
│  ▸ markitdown（PDF/Word/Excel/图片OCR/HTML/URL）       │
│  ▸ Read工具（直接读取PDF/图片/文本）                    │
│  ▸ python-pptx提取（PPT图片/文字）                      │
│  ▸ 原PPT图片提取复用（extract_images_from_pptx()）     │
├─ 分析层 ──────────────────────────────────────────────┤
│  通用分析（所有模式）  │  制造专家（仅制造领域）          │
│  ▸ 数据趋势分析        │  ▸ ie-expert（工业工程）        │
│  ▸ 竞品对比分析        │  ▸ rohoon-6sigma（六西格玛）    │
│  ▸ SWOT/波特五力       │  ▸ inventory-*（库存分析）     │
│  ▸ 数据可视化          │  ▸ planning-mc（计划物控）      │
│  ▸ 图表生成            │  ▸ lean-toolkit（精益工具）     │
│  ▸ 统计建模            │  ▸ mfg-toolkit（制造咨询）     │
│                        │  ▸ CIO（数字化战略）            │
├─ 输出层 ──────────────────────────────────────────────┤
│  三格式输出引擎（v6.1新增）：                        │
│  ▸ PPT（默认）：python-pptx + mck-ppt-design 布局     │
│  ▸ DOCX：python-docx 原生生成，完整格式化+表格+图表   │
│  ▸ PDF：Markdown→reportlab 管道，CJK字符完美支持      │
│  ▸ 🧠 脑图PDF：从Slide Config自动生成结构脑图（v6.1） │
│  全格式统一规范：微软雅黑（Mac兼容）                  │
│  humanizer-zh 去AI味润色                              │
│  full_cleanup() 深度XML净化 + AUDIT() 自审函数        │
└────────────────────────────────────────────────────────┘

三、内容分析引擎（v4 通用 ⭐）

3.1 功能定位

核心创新：不再依赖固定的内容预设，而是智能分析用户提供的实际内容，自动决定报告的结构、模板和重点。

3.2 内容类型检测

接收到用户内容后，执行以下分析流程：

# 内容类型自动检测
def detect_content_type(text):
    """根据提取的文字内容判断内容类型"""
    indicators = {
        "manufacturing":   ["精益", "OEE", "TPM", "SMED", "MES", "WIP", "Kaizen",
                           "5S", "VSM", "Takt", "换型", "在制", "节拍", "数字化车间"],
        "project":         ["项目背景", "里程碑", "交付物", "甘特图", "阶段",
                           "进度", "风险", "项目总结", "结项", "收益"],
        "market":          ["市场", "竞品", "客户", "份额", "SWOT", "波特",
                           "增长率", "市场规模", "竞争对手"],
        "technical":       ["架构", "系统", "方案设计", "技术路线", "模块",
                           "接口", "部署", "测试", "上线", "版本"],
        "business":        ["营收", "利润", "KPI", "增长率", "ROI", "成本",
                           "预算", "达成率", "同比", "环比", "运营"],
    }

    scores = {k: sum(1 for kw in v if kw in text) for k, v in indicators.items()}
    best = max(scores, key=scores.get)
    return best if scores[best] >= 3 else "general"

检测结果决定：

• 制造领域（manufacturing）→ 启用制造专家模式 + 内容驱动不限页模板
• 项目管理（project）→ 项目管理模板（含甘特/里程碑/风险矩阵）
• 市场分析（market）→ 市场分析模板（含竞品矩阵/SWOT/趋势图）
• 技术总结（technical）→ 技术总结模板（含架构图/路线图/对比表）
• 运营分析（business）→ 运营分析模板（含KPI仪表盘/趋势/行动项）
• 通用（general）→ 通用模板（摘要/数据/对比/时间线/行动）

3.3 自适应模板引擎

基于内容类型，自动选择模块化结构（页数由内容量自动决定）：

制造领域: [封面→目录→背景→KPI→BA→支柱→流程→时间线→仪表盘→结束]
项目管理: [封面→目录→概述→里程碑→成果→风险→资源→时间线→行动→结束]
市场分析: [封面→目录→环境→竞品→SWOT→趋势→策略→对比→建议→结束]
技术总结: [封面→目录→背景→架构→方案→对比→路线→验证→展望→结束]
通用模板: [封面→目录→摘要→数据→分析→对比→时间线→行动→总结→结束]

3.4 内容驱动的内容层

对于通用模式，报告章节内容直接从用户提供的资料中提取和重组：

四、资料提取子系统

4.1 功能定位

从用户提供的各类材料中智能提取文字内容，作为 PPT 生成的内容根基：

4.2 提取流程

用户提供资料
     │
     ▼
┌── 判断文件类型 ──────────────────────────────────────┐
│                                                        │
│  PDF/Word/Excel/Image  ──→ 方法A: markitdown CLI       │
│                            方法B: Read工具（内置支持）  │
│                                                        │
│  PPTX ──→ extract_images_from_pptx() + python-pptx读取 │
│                                                        │
│  HTML/URL ──→ WebFetch / markitdown                    │
│                                                        │
│  图片含表格 ──→ 手动提取表格结构 + 文字描述             │
│                                                        │
└────────────────────────────────────────────────────────┘
     │
     ▼
┌── 提取结果处理 ───────────────────────────────────────┐
│  ▸ 按文件来源分类整理                                   │
│  ▸ 识别关键数据点（数字、指标、日期、KPI）              │
│  ▸ 提取行业术语和技术要点                               │
│  ▸ 整理为结构化内容摘要                                 │
│  ▸ 输出 `extracted_content.md` 供后续使用               │
└────────────────────────────────────────────────────────┘

4.3 markitdown 使用规范

# 安装
pip install 'markitdown[all]'

# 基本用法
markitdown 输入文件路径 -o 输出文件.md

# 示例
markitdown report.pdf -o report.md          # PDF
markitdown data.xlsx -o data.md             # Excel
markitdown photo.png -o photo.md            # 图片OCR
markitdown https://example.com -o page.md   # 网页
markitdown doc.docx -o doc.md               # Word

4.4 资料提取规则（R6-R9）

五、内容扩增子系统

5.1 功能定位

基于用户提供的资料内容，通过联网搜索 + 专业技能分析，智能扩展补充，提升报告的信息密度和专业深度。

5.2 三级扩增模型

L1: 直引 → 直接引用用户资料中的事实和数据
    └── 来源标记为 "数据来源：用户资料"

L2: 搜索补充 → 对每个关键数据点搜索行业基准/对标值
    └── 来源标记为 "来源：XXX（搜索日期）"

L3: 专业深化 → 调用技能生态进行专业分析
    └── 调用 ie-expert / rohoon-6sigma 等分析

5.3 扩增策略矩阵

5.4 扩增执行流程

提取的原始内容
     │
     ▼
┌── 关键数据点识别 ────→ 数字指标、KPI、日期、行业术语
     │
     ▼
┌── 搜索规划 ──────────→ 每个数据点对应2个搜索关键词
     │
     ├── [深度检测] 是否需要三轮调研？
     │   ├─ 数字指标 → standard/deep
     │   ├─ 竞品/政策 → deep
     │   └─ 纯描述 → quick（跳过研究）
     │
     ▼
┌── 联网执行 ──────────→ multi-search-engine / WebSearch
     │                      (根据深度级别执行1-3轮)
     ▼
┌── 交叉验证 ──────────→ 多来源对比（仅deep模式）
     │
     ▼
┌── 数据融合 ──────────→ 用户数据 + 搜索数据 = 综合结论
     │
     ▼
┌── 专业深化 ──────────→ 调用技能生态验证分析
     │
     ▼
┌── 内容撰写 ──────────→ 撰写扩增后的报告内容
     │
     ▼
┌── 去AI味润色 ────────→ humanizer-zh 去除AI痕迹

5.5 去AI味润色（集成 humanizer-zh）

生成的内容在写入 PPT 前，必须执行去AI味处理：

# 检查点：每条文案输出前自检以下特征
CHECK_LIST = [
    "❌ 夸大的象征用语（"革命性""颠覆性""前所未有的"）",
    "❌ 宣传性/空洞表述（"赋能""抓手""闭环""打通"）",
    "❌ 模糊归因（"一般来说""某种程度""通常"）",
    "❌ 过度三段式（"第一...第二...第三..."）",
    "❌ AI常用词汇（"值得关注的是""值得注意的是"）",
    "❌ 过多连接短语（"此外""同时""另外""而且"）",
]

规则：每条 Action Title 和正文段落必须经过自检，去除上述特征后再写入 PPT。

六、设计要求

6.1 布局模式（基于 mck-ppt-design）

废弃全部自定义图表函数（VSM/GANTT/BAR/PIE等），全面使用 mck-ppt-design 的布局模式：

6.2 配色规范 — Theme Contract 主题合约模式

采用标准化的 5 色主题合约 机制，所有布局函数统一遵守。每个主题定义 5 个颜色密钥：

Theme Contract = {primary, secondary, accent, light, bg}

当前系统默认合约（咨询专业风）：

扩展辅助色（所有合约通用）：

6.6 多配色主题 — Theme Contract 引擎（v5新增·v6增强）

每个主题遵循标准的 5 色合约：{primary, secondary, accent, light, bg}。

Python 主题合约实现：

# Theme Contract 字典（供生成脚本引用）
THEME_CONTRACT = {
    "deepblue": {
        "primary": (0x05, 0x1C, 0x2C), "secondary": (0x33, 0x33, 0x33),
        "accent": (0x00, 0x6B, 0xA6), "light": (0xF2, 0xF2, 0xF2),
        "bg": (0xFF, 0xFF, 0xFF),
        "style_name": "咨询专业风", "section_deco": "深蓝左侧竖条",
    },
    "tech": {
        "primary": (0x00, 0x5A, 0x96), "secondary": (0x33, 0x33, 0x33),
        "accent": (0x00, 0x7A, 0x53), "light": (0xF0, 0xF7, 0xFF),
        "bg": (0xFF, 0xFF, 0xFF),
        "style_name": "科技现代风", "section_deco": "渐变色横条",
    },
    "business": {
        "primary": (0x2C, 0x3E, 0x50), "secondary": (0x33, 0x33, 0x33),
        "accent": (0x00, 0x6B, 0xA6), "light": (0xF5, 0xF5, 0xF5),
        "bg": (0xFF, 0xFF, 0xFF),
        "style_name": "沉稳专业风", "section_deco": "灰色细线分隔",
    },
    "vibrant": {
        "primary": (0xD4, 0x6A, 0x00), "secondary": (0x33, 0x33, 0x33),
        "accent": (0xC6, 0x28, 0x28), "light": (0xFF, 0xF5, 0xEB),
        "bg": (0xFF, 0xFF, 0xFF),
        "style_name": "热情鲜明风", "section_deco": "橙色全宽色块",
    },
}

def apply_theme(theme_name):
    """一键应用主题合约——设置全局色值"""
    t = THEME_CONTRACT[theme_name]
    NV = RGBColor(*t["primary"]); D3 = RGBColor(*t["secondary"])
    AB = RGBColor(*t["accent"]);  BG = RGBColor(*t["light"])
    WH = RGBColor(*t["bg"])
    return t["style_name"]

风格自动选择逻辑（双因子推荐）：

def auto_select_theme(content_type, user_preference=""):
    """
    根据内容类型和用户偏好自动选择最佳主题
    内容类型权重60%，用户偏好权重40%
    """
    type_theme_map = {
        "manufacturing": "deepblue",
        "project": "deepblue",
        "digital": "tech",
        "AI": "tech",
        "finance": "business",
        "management": "business",
        "innovation": "vibrant",
        "startup": "vibrant",
    }
    
    user_vibe_map = {
        "高端": "deepblue", "权威": "deepblue", "严肃": "deepblue",
        "科技": "tech", "前沿": "tech", "未来": "tech",
        "沉稳": "business", "稳重": "business", "保守": "business",
        "活力": "vibrant", "创新": "vibrant", "热情": "vibrant",
    }
    
    # 内容类型匹配
    recommended = type_theme_map.get(content_type, "business")
    
    # 校正：如果用户表达了偏好
    for word, theme in user_vibe_map.items():
        if word in user_preference:
            return theme  # 用户偏好优先级更高
    
    return recommended

使用方式：生成脚本开头调用 theme = auto_select_theme(content_type, user_preference)，然后 apply_theme(theme) 一键切换全局色系。

6.3 字体规范

全微软雅黑 + Arial英文：

规则：

• 中文统一用 Microsoft YaHei（微软雅黑）
• 英文/数字统一用 Arial
• 通过 a:ea 节点设置东亚字体：ea.set('typeface', 'Microsoft YaHei')
• 设置拉丁字体：latin.set('typeface', 'Arial')

6.4 Mac兼容规则（R1-R5）

6.5 资料提取兼容规则（R6-R9）

R6-R9 规则的完整定义请参考 第四章第4.4节「资料提取规则（R6-R9）」，此处不再重复。

快速索引：

• R6 → 资料必须优先提取
• R7 → 提取内容按来源分类
• R8 → 关键数据点单独标注
• R9 → 提取失败降级重试

七、内容标准 — 深度优先自适应引擎（v6 升级 ⭐）

核心原则：不再设定固定页数上限。报告结构由内容量自动决定，每个模块充分展开到细节。除非用户明确指定页数，否则页数不受限制，以信息完整和专业深度为唯一衡量标准。

模块化内容装配器

报告由以下模块组成，根据内容量自动装配。每个模块的页数由内容深度决定，不设上限：

每个模块的「典型展开」为参考建议，实际页数由内容量自行决定，不受任何上限约束。

内容深度分级

生成的每一页报告内容按以下三级深度展开：

展开规则：页面内容自动判断是否需要更多页来充分表达。如果一页排不下，自动拆分到下一页继续展开，不受任何页数限制。

自动页数生成算法

内容总量(Total Content Units)