实验室运营分析助手

要解决的问题

科研管理系统里的实验室数据通常是散的：设备预约记录、样品出入库流水、库存快照各自躺在不同的表格里。等到要写季度运营报告时，要么靠人工翻表汇总，要么只做一次"利用率 = 使用时长 / 总时长"的简单计算，结果报告只有数字、没有结论，管理者看完也判断不出下一步该扩采购还是修流程。

技能如何工作

兮兮（@user_5b23a9ab/xixi）把分析过程固化成一条可重复的执行链：

• 数据采集与清洗：通过 python scripts/lab_analysis.py 拉取实验室运营数据，覆盖设备预约、利用率、样品出入库、库存余量等字段；
• 分步索要字段：脚本不会一次性吞掉所有输入，而是按步骤向使用者索要 JSON 字段，降低误填概率；
• 结构化报告生成：输出物不是一段流水账，而是固定骨架——KPI Dashboard 表格、执行摘要、风险识别、行动清单、趋势洞察五个板块。

其中风险识别会针对低库存样品、闲置设备、异常预约给出明确标记，行动清单则把结论翻译成可执行条目，而不是停留在"建议关注"这种模糊表述。

适用边界与注意点

• 报告质量依赖上游数据质量：预约记录若存在重复提交、出入库未及时登记，KPI 表格的数字会失真，执行前应先做一次数据核对；
• 执行前必须指定目标项目名称（或"项目名 + 文件夹名"），脚本会把 Markdown 分析结果写入 Workspace 笔记，命名和位置需要提前约定；
• 字段是分步索要的，自动化程度取决于使用者能否按提示逐项补齐，中途打断会导致报告缺块；
• 该技能定位是"分析 + 报告生成"，不包含采购下单、审批流等后续业务动作，行动清单只是文本建议。