DB-GPT walmart-sales-analyzer Skill 实战一键生成沃尔玛销售数据深度分析报告【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT导读walmart-sales-analyzer是 DB-GPT 内置的 DataAnalysis 类技能Skill用于对沃尔玛Walmart销售数据进行深度分析重点探索各门店销售额与宏观失业率之间的关系并自动生成包含相关性热力图、散点回归图、时间序列趋势图、门店横向对比图与深度解读的响应式 HTML 报告。读完本文你将掌握该 Skill 的完整使用流程、五个绘图脚本与 HTML 模板的实现原理并能在 DB-GPT Agent 中复现从 CSV 上传到专业报告呈现的全过程。一、Skill 概览与定位该 Skill 的元信息定义在 skills/walmart-sales-analyzer/SKILL.md 的 Front Matter 中namewalmart-sales-analyzerdescription分析沃尔玛销售数据探索门店销售额与失业率之间的趋势生成富有洞察力的可视化图表与美观的 HTML 深度分析报告适合快速洞察销售数据与宏观经济因素的关系。从 DB-GPT 的 Skill 类型体系看参见 skills/README.md这是一个典型的数据分析类技能由「元数据Metadata」「提示词模板」「必需工具」「动作」和「配置」组成最终通过 Skill Manager 注册、被 Agent 加载执行。如果你需要将该 Skill 集成进自定义 Agent可参考 skills/INTEGRATION_GUIDE.md 中的SkillEnabledAgent实现——它会将 Skill 的prompt_template绑定到 Agent并在资源加载阶段校验required_tools与required_knowledge是否齐备。二、功能特性该 Skill 提供以下五项核心分析与可视化能力序号功能说明1数据相关性热力图展示数据集中所有数值变量之间的相关系数并给出详细解读2销售额 vs 失业率散点图带回归线直观呈现周销售额与失业率的关系深入分析经济压力下的消费韧性3特定门店销售与失业率时间序列追踪所选门店随时间变化的销售与失业率趋势区分季节力量与宏观趋势4各门店平均销售额与平均失业率对比横向比较不同门店的销售表现与其所在地区平均失业率为区域运营策略提供建议5HTML 深度分析报告生成自动将所有图表整合进美观、响应式的 HTML 报告附带详细分析结论与业务建议三、使用前提数据格式要求使用该 Skill 时需要向 Agent 提供一个包含沃尔玛销售数据的CSV 文件。文件至少应包含以下列Store门店 IDDate日期Weekly_Sales周销售额Unemployment失业率仓库中提供了可复现运行的示例数据 docker/examples/dashboard/Walmart_Sales.csv以及用于数据库场景的 docker/examples/sqls/test_case_info_sqlite.sql、docker/examples/sqls/test_case_info_mysql.sql 等建表/导入脚本可据此构造符合列要求的 CSV。若数据来自 SQLite 数据库如 examples/test_files/datamanus_test.db可先用 DuckDB/SQLite 导出为 CSV 再交给本 Skill。四、核心工作流Skill 文档定义的执行流程如下共四步1. 检查上传文件首先确认用户提供了有效的 Walmart 销售数据 CSV 文件并校验所需列Store、Date、Weekly_Sales、Unemployment是否齐全。2. 执行分析脚本使用execute_skill_script_file工具运行generate_html_report.py将 CSV 文件路径传给args参数中的input_file{skill_name: walmart-sales-analyzer, script_file_name: generate_html_report.py, args: {input_file: /path/to/Walmart_Sales.csv, output_dir: .}}说明该脚本会自动生成全部所需图表correlation_heatmap.png、sales_vs_unemployment_scatter.png、time_series_trend.png、store_avg_comparison.png以及基础报告文件。3. 呈现报告为通过 DB-GPT UI 向用户呈现结果必须使用html_interpreter工具提供template_pathwalmart-sales-analyzer/templates/report_template.html和必要的文本数据以交互式渲染报告。必须基于你的分析动态填充所有占位符包括所有章节标题、报告标题和分析内容否则会渲染为 NA并确保它们被翻译成用户使用的语言。完整data载荷示例{ LANG: en, REPORT_TITLE: Walmart Sales Deep Analysis Report, REPORT_SUBTITLE: Based on macroeconomic indicators and store performance, EXEC_SUMMARY_TITLE: Executive Summary, EXEC_SUMMARY_CONTENT: pYour detailed summary.../p, SECTION_1_TITLE: 1. Multi-dimensional Correlation Analysis, SECTION_1_ANALYSIS: h3span class\tag\Insights/span Variable relationships/h3ulli.../li/ul, SECTION_2_TITLE: 2. Sales vs Unemployment Regression, SECTION_2_ANALYSIS: h3span class\tag\Deep Dive/span Resilience under pressure/h3p.../p, SECTION_3_TITLE: 3. Dynamic Trends Tracking, SECTION_3_ANALYSIS: h3span class\tag\Trends/span Seasonal vs Macro/h3p.../p, SECTION_4_TITLE: 4. Store Performance Comparison, SECTION_4_ANALYSIS: h3span class\tag\Strategy/span Regional operations/h3p.../p, CONCLUSION_TITLE: Final Conclusions Recommendations, CONCLUSION_CONTENT: olli.../li/ol, FOOTER_TEXT: Deep Data-Driven Decisions }上述占位符对应模板中执行摘要、四个分析章节、最终结论与页脚五大区域其中EXEC_SUMMARY_CONTENT、SECTION_N_ANALYSIS、CONCLUSION_CONTENT均支持直接嵌入 HTMLp、ul、ol、h3等便于在analysis-box中渲染带标签的深度解读。4. 完成任务调用terminate工具附上总结本次分析动作的最终回答。五、脚本清单与逐文件源码解析Skill 共包含 5 个脚本与 1 个 HTML 模板统一由generate_html_report.py一键串联。所有脚本都遵循「从input_file/file_path/data_path读取 CSV → 绘图 → 输出 PNG」的统一接口约定参数优先级为input_filefile_pathdata_path且支持通过OUTPUT_DIR环境变量指定输出目录。5.1 generate_html_report.py推荐一键报告skills/walmart-sales-analyzer/scripts/generate_html_report.py 是编排入口核心逻辑os.makedirs(output_dir, exist_okTrue)确保输出目录存在依次调用其余四个绘图函数将四张 PNG 写入输出目录遍历固定图片名列表把实际存在的图片以{output_type: image, content: 绝对路径}结构组装进chunks读取模板 templates/report_template.html 并原样保存为walmart_sales_report.html图表通过相对路径srccorrelation_heatmap.png引用因此图片与报告必须放在同一目录最后以 JSON 形式打印{chunks: [...]}结果供上层 Agent 工具解析。命令行调用方式python generate_html_report.py {input_file: Walmart_Sales.csv, output_dir: ./report}5.2 generate_correlation_heatmap.py相关性热力图skills/walmart-sales-analyzer/scripts/generate_correlation_heatmap.py 实现功能 1df.corr(numeric_onlyTrue)计算全部数值列的两两 Pearson 相关系数矩阵sns.heatmap(corr, annotTrue, cmapcoolwarm, fmt.2f)绘制带数值标注的热力图coolwarm配色使正负相关一目了然以dpi150、bbox_inchestight保存兼顾清晰度与留白裁剪。典型解读方向模板中已内置示例结论Weekly_Sales与Unemployment呈微弱负相关约 -0.11与节假日呈显著正相关CPI与Unemployment通常负相关——这些结论会由 Agent 结合实际数据动态重写。5.3 generate_sales_unemployment_scatter.py散点 回归线skills/walmart-sales-analyzer/scripts/generate_sales_unemployment_scatter.py 实现功能 2sns.regplot(datadf, xUnemployment, yWeekly_Sales, scatter_kws{alpha:0.3}, line_kws{color:red})在散点基础上叠加线性回归拟合线alpha0.3降低散点透明度以缓解重叠从源码结构看回归线斜率为负说明失业率上升对整体销售有轻微抑制作用但点的高离散度又提示「消费刚性」Walmart 经营大量生活必需品抗经济波动能力较强高失业率区域仍可能存在高销售门店异常值可能与当地竞争格局或门店规模有关。5.4 generate_time_series_trend.py时间序列双轴趋势skills/walmart-sales-analyzer/scripts/generate_time_series_trend.py 实现功能 3默认选取selected_stores[1, 4, 20]三个门店pd.to_datetime(df[Date], dayfirstTrue)解析日期注意dayfirstTrue即日期按「日/月/年」顺序解析要求源数据日期格式与此匹配通过ax1.twinx()创建共享 x 轴的双 y 轴图左侧蓝色绘制各门店Weekly_Sales时序右侧红色虚线仅对第一个门店绘制Unemployment曲线——注释表明这是因为失业率多为区域共享、门店间差异小可据此观察 Q411–12 月的爆发式增长、季节性力量远超失业率波动、各门店波动节奏一致等结论。5.5 generate_store_avg_comparison.py门店均值对比skills/walmart-sales-analyzer/scripts/generate_store_avg_comparison.py 实现功能 4df.groupby(Store).agg({Weekly_Sales: mean, Unemployment: mean})先按门店聚合出平均周销售额与平均失业率sns.scatterplot(..., hueStore, paletteviridis, s100)以点大小放大、门店作色绘制分布直观暴露区域差异分析落点低失业率 高销售额的门店可作为旗舰店重点投入高失业率 低迷销售额的门店需优化商品结构、提升高性价比商品占比。5.6 font_setup.py多语言字体兜底skills/walmart-sales-analyzer/scripts/font_setup.py 是全部绘图脚本共享的字体配置模块按优先级探测 macOSPingFang SC、Heiti TC 等、LinuxNoto Sans CJK SC、WenQuanYi Micro Hei 等、WindowsMicrosoft YaHei、SimHei 等常见 CJK 字体命中即设置plt.rcParams[font.sans-serif]与axes.unicode_minus False修复负号显示为方块的问题全部候选缺失时仍强制关闭 Unicode 负号以保证基本可读性。这也是所有图表支持多语言显示、标题可直接使用中文如「Walmart 销售数据相关性热力图」的原因。六、HTML 报告模板解析skills/walmart-sales-analyzer/templates/report_template.html 是一份完整的单页 HTML内置了主题化 CSS 变量--primary-color: #0071ce沃尔玛蓝、--secondary-color: #ffc220沃尔玛黄配合渐变页头、圆角卡片.section、左侧黄色竖线的章节标题、浅蓝analysis-box解读框整体为响应式布局max-width: 1100px容器 图片max-width: 100%。五大内容区块执行摘要、4 个分析章节每章含一张图表 一个带.tag标签的解读框、最终结论与建议有序列表、页脚标明Generated by DB-GPT AI Professional Suite。模板自带一份「示例级」分析与业务建议如提前 3–6 个月完成 Q4 供应链优化、失业率上升区域适度增加促销、密切监控 CPI 波动等但正如 SKILL.md 强调的Agent 必须根据本次实际分析动态填充所有占位符包括标题与结论并翻译为用户语言否则对应位置将渲染为 NA。这也决定了该模板的占位符设计——固定样式骨架 动态内容注入。七、重要注意事项语言一致性强制要求Agent 的输出语言必须与用户在输入/请求中所使用的语言完全一致——报告标题、章节标题、分析内容都要翻译成用户的母语。多语言图表所有图表均支持多语言显示得益于font_setup.py的字体兜底机制。响应式报告报告模板采用响应式设计适合在电脑、平板、手机等不同设备上查看并内置了详细的分析解读与业务建议。占位符必填渲染报告前务必补齐全部占位符字段避免出现 NA。八、扩展阅读Skill 定义文档skills/walmart-sales-analyzer/SKILL.mdSkill 机制与注册 APIskills/README.mdSkill 集成到自定义 Agent 指南skills/INTEGRATION_GUIDE.md示例数据docker/examples/dashboard/Walmart_Sales.csv另有Walmart_Sales.dbSQLite 版本可在同目录找到其他同类 Skill 参考skills/csv-data-analysis/SKILL.md、skills/financial-report-analyzer/SKILL.md结合 examples/agents/skill_agent_example.py 可以进一步理解 Skill 在 Agent 对话中的加载方式。整体而言walmart-sales-analyzer展示了 DB-GPT「Skill 脚本 模板」三件套的最佳实践把标准化的数据分析流水线封装为可复用技能再借助html_interpreter在 Web UI 中即时呈现专业报告——这种模式同样适用于财务、零售、电商等其他需要「数据 → 洞察 → 报告」一键输出的业务场景。【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 DB-GPT walmart-sales-analyzer Skill 实战：一键生成沃尔玛销售数据深度分析报告
DB-GPT walmart-sales-analyzer Skill 实战一键生成沃尔玛销售数据深度分析报告【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT导读walmart-sales-analyzer是 DB-GPT 内置的 DataAnalysis 类技能Skill用于对沃尔玛Walmart销售数据进行深度分析重点探索各门店销售额与宏观失业率之间的关系并自动生成包含相关性热力图、散点回归图、时间序列趋势图、门店横向对比图与深度解读的响应式 HTML 报告。读完本文你将掌握该 Skill 的完整使用流程、五个绘图脚本与 HTML 模板的实现原理并能在 DB-GPT Agent 中复现从 CSV 上传到专业报告呈现的全过程。一、Skill 概览与定位该 Skill 的元信息定义在 skills/walmart-sales-analyzer/SKILL.md 的 Front Matter 中namewalmart-sales-analyzerdescription分析沃尔玛销售数据探索门店销售额与失业率之间的趋势生成富有洞察力的可视化图表与美观的 HTML 深度分析报告适合快速洞察销售数据与宏观经济因素的关系。从 DB-GPT 的 Skill 类型体系看参见 skills/README.md这是一个典型的数据分析类技能由「元数据Metadata」「提示词模板」「必需工具」「动作」和「配置」组成最终通过 Skill Manager 注册、被 Agent 加载执行。如果你需要将该 Skill 集成进自定义 Agent可参考 skills/INTEGRATION_GUIDE.md 中的SkillEnabledAgent实现——它会将 Skill 的prompt_template绑定到 Agent并在资源加载阶段校验required_tools与required_knowledge是否齐备。二、功能特性该 Skill 提供以下五项核心分析与可视化能力序号功能说明1数据相关性热力图展示数据集中所有数值变量之间的相关系数并给出详细解读2销售额 vs 失业率散点图带回归线直观呈现周销售额与失业率的关系深入分析经济压力下的消费韧性3特定门店销售与失业率时间序列追踪所选门店随时间变化的销售与失业率趋势区分季节力量与宏观趋势4各门店平均销售额与平均失业率对比横向比较不同门店的销售表现与其所在地区平均失业率为区域运营策略提供建议5HTML 深度分析报告生成自动将所有图表整合进美观、响应式的 HTML 报告附带详细分析结论与业务建议三、使用前提数据格式要求使用该 Skill 时需要向 Agent 提供一个包含沃尔玛销售数据的CSV 文件。文件至少应包含以下列Store门店 IDDate日期Weekly_Sales周销售额Unemployment失业率仓库中提供了可复现运行的示例数据 docker/examples/dashboard/Walmart_Sales.csv以及用于数据库场景的 docker/examples/sqls/test_case_info_sqlite.sql、docker/examples/sqls/test_case_info_mysql.sql 等建表/导入脚本可据此构造符合列要求的 CSV。若数据来自 SQLite 数据库如 examples/test_files/datamanus_test.db可先用 DuckDB/SQLite 导出为 CSV 再交给本 Skill。四、核心工作流Skill 文档定义的执行流程如下共四步1. 检查上传文件首先确认用户提供了有效的 Walmart 销售数据 CSV 文件并校验所需列Store、Date、Weekly_Sales、Unemployment是否齐全。2. 执行分析脚本使用execute_skill_script_file工具运行generate_html_report.py将 CSV 文件路径传给args参数中的input_file{skill_name: walmart-sales-analyzer, script_file_name: generate_html_report.py, args: {input_file: /path/to/Walmart_Sales.csv, output_dir: .}}说明该脚本会自动生成全部所需图表correlation_heatmap.png、sales_vs_unemployment_scatter.png、time_series_trend.png、store_avg_comparison.png以及基础报告文件。3. 呈现报告为通过 DB-GPT UI 向用户呈现结果必须使用html_interpreter工具提供template_pathwalmart-sales-analyzer/templates/report_template.html和必要的文本数据以交互式渲染报告。必须基于你的分析动态填充所有占位符包括所有章节标题、报告标题和分析内容否则会渲染为 NA并确保它们被翻译成用户使用的语言。完整data载荷示例{ LANG: en, REPORT_TITLE: Walmart Sales Deep Analysis Report, REPORT_SUBTITLE: Based on macroeconomic indicators and store performance, EXEC_SUMMARY_TITLE: Executive Summary, EXEC_SUMMARY_CONTENT: pYour detailed summary.../p, SECTION_1_TITLE: 1. Multi-dimensional Correlation Analysis, SECTION_1_ANALYSIS: h3span class\tag\Insights/span Variable relationships/h3ulli.../li/ul, SECTION_2_TITLE: 2. Sales vs Unemployment Regression, SECTION_2_ANALYSIS: h3span class\tag\Deep Dive/span Resilience under pressure/h3p.../p, SECTION_3_TITLE: 3. Dynamic Trends Tracking, SECTION_3_ANALYSIS: h3span class\tag\Trends/span Seasonal vs Macro/h3p.../p, SECTION_4_TITLE: 4. Store Performance Comparison, SECTION_4_ANALYSIS: h3span class\tag\Strategy/span Regional operations/h3p.../p, CONCLUSION_TITLE: Final Conclusions Recommendations, CONCLUSION_CONTENT: olli.../li/ol, FOOTER_TEXT: Deep Data-Driven Decisions }上述占位符对应模板中执行摘要、四个分析章节、最终结论与页脚五大区域其中EXEC_SUMMARY_CONTENT、SECTION_N_ANALYSIS、CONCLUSION_CONTENT均支持直接嵌入 HTMLp、ul、ol、h3等便于在analysis-box中渲染带标签的深度解读。4. 完成任务调用terminate工具附上总结本次分析动作的最终回答。五、脚本清单与逐文件源码解析Skill 共包含 5 个脚本与 1 个 HTML 模板统一由generate_html_report.py一键串联。所有脚本都遵循「从input_file/file_path/data_path读取 CSV → 绘图 → 输出 PNG」的统一接口约定参数优先级为input_filefile_pathdata_path且支持通过OUTPUT_DIR环境变量指定输出目录。5.1 generate_html_report.py推荐一键报告skills/walmart-sales-analyzer/scripts/generate_html_report.py 是编排入口核心逻辑os.makedirs(output_dir, exist_okTrue)确保输出目录存在依次调用其余四个绘图函数将四张 PNG 写入输出目录遍历固定图片名列表把实际存在的图片以{output_type: image, content: 绝对路径}结构组装进chunks读取模板 templates/report_template.html 并原样保存为walmart_sales_report.html图表通过相对路径srccorrelation_heatmap.png引用因此图片与报告必须放在同一目录最后以 JSON 形式打印{chunks: [...]}结果供上层 Agent 工具解析。命令行调用方式python generate_html_report.py {input_file: Walmart_Sales.csv, output_dir: ./report}5.2 generate_correlation_heatmap.py相关性热力图skills/walmart-sales-analyzer/scripts/generate_correlation_heatmap.py 实现功能 1df.corr(numeric_onlyTrue)计算全部数值列的两两 Pearson 相关系数矩阵sns.heatmap(corr, annotTrue, cmapcoolwarm, fmt.2f)绘制带数值标注的热力图coolwarm配色使正负相关一目了然以dpi150、bbox_inchestight保存兼顾清晰度与留白裁剪。典型解读方向模板中已内置示例结论Weekly_Sales与Unemployment呈微弱负相关约 -0.11与节假日呈显著正相关CPI与Unemployment通常负相关——这些结论会由 Agent 结合实际数据动态重写。5.3 generate_sales_unemployment_scatter.py散点 回归线skills/walmart-sales-analyzer/scripts/generate_sales_unemployment_scatter.py 实现功能 2sns.regplot(datadf, xUnemployment, yWeekly_Sales, scatter_kws{alpha:0.3}, line_kws{color:red})在散点基础上叠加线性回归拟合线alpha0.3降低散点透明度以缓解重叠从源码结构看回归线斜率为负说明失业率上升对整体销售有轻微抑制作用但点的高离散度又提示「消费刚性」Walmart 经营大量生活必需品抗经济波动能力较强高失业率区域仍可能存在高销售门店异常值可能与当地竞争格局或门店规模有关。5.4 generate_time_series_trend.py时间序列双轴趋势skills/walmart-sales-analyzer/scripts/generate_time_series_trend.py 实现功能 3默认选取selected_stores[1, 4, 20]三个门店pd.to_datetime(df[Date], dayfirstTrue)解析日期注意dayfirstTrue即日期按「日/月/年」顺序解析要求源数据日期格式与此匹配通过ax1.twinx()创建共享 x 轴的双 y 轴图左侧蓝色绘制各门店Weekly_Sales时序右侧红色虚线仅对第一个门店绘制Unemployment曲线——注释表明这是因为失业率多为区域共享、门店间差异小可据此观察 Q411–12 月的爆发式增长、季节性力量远超失业率波动、各门店波动节奏一致等结论。5.5 generate_store_avg_comparison.py门店均值对比skills/walmart-sales-analyzer/scripts/generate_store_avg_comparison.py 实现功能 4df.groupby(Store).agg({Weekly_Sales: mean, Unemployment: mean})先按门店聚合出平均周销售额与平均失业率sns.scatterplot(..., hueStore, paletteviridis, s100)以点大小放大、门店作色绘制分布直观暴露区域差异分析落点低失业率 高销售额的门店可作为旗舰店重点投入高失业率 低迷销售额的门店需优化商品结构、提升高性价比商品占比。5.6 font_setup.py多语言字体兜底skills/walmart-sales-analyzer/scripts/font_setup.py 是全部绘图脚本共享的字体配置模块按优先级探测 macOSPingFang SC、Heiti TC 等、LinuxNoto Sans CJK SC、WenQuanYi Micro Hei 等、WindowsMicrosoft YaHei、SimHei 等常见 CJK 字体命中即设置plt.rcParams[font.sans-serif]与axes.unicode_minus False修复负号显示为方块的问题全部候选缺失时仍强制关闭 Unicode 负号以保证基本可读性。这也是所有图表支持多语言显示、标题可直接使用中文如「Walmart 销售数据相关性热力图」的原因。六、HTML 报告模板解析skills/walmart-sales-analyzer/templates/report_template.html 是一份完整的单页 HTML内置了主题化 CSS 变量--primary-color: #0071ce沃尔玛蓝、--secondary-color: #ffc220沃尔玛黄配合渐变页头、圆角卡片.section、左侧黄色竖线的章节标题、浅蓝analysis-box解读框整体为响应式布局max-width: 1100px容器 图片max-width: 100%。五大内容区块执行摘要、4 个分析章节每章含一张图表 一个带.tag标签的解读框、最终结论与建议有序列表、页脚标明Generated by DB-GPT AI Professional Suite。模板自带一份「示例级」分析与业务建议如提前 3–6 个月完成 Q4 供应链优化、失业率上升区域适度增加促销、密切监控 CPI 波动等但正如 SKILL.md 强调的Agent 必须根据本次实际分析动态填充所有占位符包括标题与结论并翻译为用户语言否则对应位置将渲染为 NA。这也决定了该模板的占位符设计——固定样式骨架 动态内容注入。七、重要注意事项语言一致性强制要求Agent 的输出语言必须与用户在输入/请求中所使用的语言完全一致——报告标题、章节标题、分析内容都要翻译成用户的母语。多语言图表所有图表均支持多语言显示得益于font_setup.py的字体兜底机制。响应式报告报告模板采用响应式设计适合在电脑、平板、手机等不同设备上查看并内置了详细的分析解读与业务建议。占位符必填渲染报告前务必补齐全部占位符字段避免出现 NA。八、扩展阅读Skill 定义文档skills/walmart-sales-analyzer/SKILL.mdSkill 机制与注册 APIskills/README.mdSkill 集成到自定义 Agent 指南skills/INTEGRATION_GUIDE.md示例数据docker/examples/dashboard/Walmart_Sales.csv另有Walmart_Sales.dbSQLite 版本可在同目录找到其他同类 Skill 参考skills/csv-data-analysis/SKILL.md、skills/financial-report-analyzer/SKILL.md结合 examples/agents/skill_agent_example.py 可以进一步理解 Skill 在 Agent 对话中的加载方式。整体而言walmart-sales-analyzer展示了 DB-GPT「Skill 脚本 模板」三件套的最佳实践把标准化的数据分析流水线封装为可复用技能再借助html_interpreter在 Web UI 中即时呈现专业报告——这种模式同样适用于财务、零售、电商等其他需要「数据 → 洞察 → 报告」一键输出的业务场景。【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考