考勤异常智能诊断

考勤排查为何耗时

面对海量打卡记录，HR 或管理者常需人工比对迟到、早退、旷工与漏打卡等异常。由于排班规则复杂、数据口径不一，人工排查不仅耗时，还容易因漏看细节导致误判，最终在复核与处理环节陷入反复沟通的泥潭。

技能如何工作

考勤异常智能诊断 技能将繁琐的排查过程转化为结构化的诊断流水线：

• 最小化信息收集：直接解析用户自然语言或上传文件，提取已确认事实，仅追问完成任务所缺的最少必要项（如现象、流程节点时间、已有截图或数据），无需用户手填内部 JSON。
• 数据校验与计算：检查字段、口径、时间范围、重复值与异常值。需要确定性计算时，将确认信息写入内部临时 JSON，并运行 python scripts/run.py --input <file> --output <file> 脚本。
• 结构化诊断输出：生成包含故障树、最可能原因排序、逐步核验动作、处理建议及证据清单的报告，保留原表行号以便复核。支持导出为 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片。

适用边界与注意点

• 技能仅提供诊断与建议，不自动执行发送、申报、审批或写入业务系统，除非宿主工具实际执行并回读。
• 不强制要求蚂蚁HR账号、内部员工编号或特定模板。
• 当输入信息不足时，输出待补充清单，绝不用看似精确的猜测替代未知事实。涉及外部基准数据时，会明确标注来源、样本时间及适用范围。