- name
- dingtalk-ai-table-insights
- description
- 钉钉 AI 表格跨表格洞察分析。支持按关键词筛选特定业务/项目的 AI 表格，进行综合分析，识别风险点、数据异常、业务洞察。Use when user wants to analyze multiple AI tables by keyword/topic for insights, risks, and anomalies.
- version
- 1.6.10
- metadata
- openclaw
- requires
- env
- bins
- skills
- primaryEnv
- DINGTALK_MCP_TOKEN
- emoji
- 📊
- dependencies
- description
- 钉钉 AI 表格操作技能（用于读取表格数据）
- url
- https://github.com/aliramw/dingtalk-ai-table
AI 表格跨表格洞察技能
核心功能
设计理念： 让用户专注特定业务/项目，而非被时间限制。
- 关键词筛选 - 按业务/项目名称筛选相关表格
- 跨表格分析 - 同时分析多个表格，发现关联
- 风险识别 - 自动识别异常和高风险项
- 洞察报告 - 生成可执行的业务建议
- 大模型分析 - 默认使用大模型进行深度分析，发现人眼难以察觉的洞察
使用方法
基本用法
# 业务线分析（默认使用大模型）
python3 scripts/analyze_tables.py --keyword "销售"
python3 scripts/analyze_tables.py --keyword "市场"
# 项目追踪
python3 scripts/analyze_tables.py --keyword "华东项目"
# 职能分析
python3 scripts/analyze_tables.py --keyword "招聘"
python3 scripts/analyze_tables.py --keyword "预算"
# 全局扫描
python3 scripts/analyze_tables.py
# 使用本地模板（不使用大模型）
python3 scripts/analyze_tables.py --keyword "销售" --no-llm使用场景
| 场景 | 关键词 | 价值 |
|---|---|---|
| 业务线分析 | 销售 、市场、 客服 | 专注特定业务的健康度 |
| 项目追踪 | 项目 A、华东区 | 跟踪特定项目的整体进展 |
| 职能分析 | 招聘 、预算、 采购 | 职能维度的数据洞察 |
| 全量扫描 | 不指定 | 全局风险排查 |
🤖 大模型分析能力
默认启用 - 脚本会自动尝试使用大模型进行深度分析：
- 深度洞察 - 发现数据间的关联和模式
- 智能风险识别 - 基于上下文识别潜在风险
- 个性化建议 - 根据数据特点生成针对性行动建议
- 自然语言报告 - 更流畅、更易读的报告输出
调用方式：
- 检测 OpenClaw 会话环境
- 使用
openclaw agent调用大模型 - 超时或失败时自动降级
降级方案 - 如果大模型不可用（超时/无响应/环境限制），自动降级使用本地模板生成报告。
手动控制 - 使用 --no-llm 参数强制使用本地模板（更快，但分析深度有限）。
注意 - 大模型分析需要 30-90 秒，取决于数据量和模型响应速度。
分析维度
🔍 数据一致性检查
跨表格对比相同指标，发现矛盾：
- 销售表 vs 财务报表的收入差异
- 项目进度表 vs 周报的完成度不一致
- 客户状态在不同表格中的冲突
💡 趋势洞察
从多个表格中发现关联：
- 招聘增加 → 差旅费上涨
- 项目延期 → 成本超支
- 客户投诉 → 销售下滑
🚨 风险预警
优先关注的问题：
- 高金额订单处于高风险状态
- 关键指标连续恶化
- 资源分配不平衡
📋 行动建议
具体可执行的建议：
- 做什么 + 谁来做 + 何时完成 + 预期结果
脚本参数
| 参数 | 说明 | 默认值 |
|---|---|---|
--keyword | 表格名称关键词筛选 | 无（全量） |
--output | 输出文件路径 | 无（打印到终端） |
--format | 输出格式（markdown/json） | markdown |
--limit | 每个数据表抽样记录数 | 100 |
--no-cache | 禁用缓存，强制刷新 | 否 |
--clear-cache | 清除缓存后退出 | 否 |
--no-llm | 不使用大模型，使用本地模板 | 否（默认使用大模型） |
输出示例
## 📊 AI 表格洞察报告
**筛选关键词**: 销售
**分析表格数**: 5 个
**数据记录数**: 128 条
### 📋 分析范围
- 销售管理表格
- 销售日报
- 销售目标追踪表
### 🚨 风险预警
1. **高优先级**: 3 个大额订单状态"待跟进"超过 72 小时
### 📋 行动建议
- 今天内联系王五，确认 28k 订单进展依赖说明
🏗️ 架构说明
本技能依赖 dingtalk-ai-table 技能，MCP 配置由该技能统一管理。
dingtalk-ai-table-insights (本技能)
↓ 依赖
dingtalk-ai-table (基础技能 - 管理 MCP 配置)
↓
钉钉 AI 表格 MCP 服务器必需依赖
1. dingtalk-ai-table 技能
- 作用 - MCP 配置管理、数据读取 API 封装
- 安装 -
clawhub install dingtalk-ai-table - 配置 - 详见该技能的配置文档
2. 二进制文件
python3- Python 3.7+ 运行环境mcporter- MCP 客户端工具（与 dingtalk-ai-table 共享配置）
配置说明
⚠️ 重要：保护敏感信息
MCP 配置包含访问令牌，请勿将配置文件发布到公开仓库。
MCP 配置位置： <workspace>/config/mcporter.json
配置责任：
- ✅
dingtalk-ai-table- 负责 MCP 配置 - ✅
dingtalk-ai-table-insights- 复用配置，无需重复配置
环境变量（可选）：
DINGTALK_MCP_CONFIG- 自定义 MCP 配置文件路径
配置模板：
{
"mcpServers": {
"dingtalk-ai-table": {
"baseUrl": "https://mcp-gw.dingtalk.com/server/YOUR_ID?key=YOUR_KEY"
}
}
}安全建议：
- 将
config/mcporter.json添加到.gitignore - 使用配置模板
config/mcporter.json.example分享配置格式 - 不要将真实 URL 和 Key 提交到版本控制
权限说明
- 需要钉钉 AI 表格的读取权限
- 仅读取表格数据，不修改任何内容
- 数据仅在分析过程中使用，不存储
权限说明
- 需要钉钉 AI 表格的读取权限
- 仅读取表格数据，不修改任何内容
- 数据仅在分析过程中使用，不存储
安全说明
数据处理
- ✅ 只读操作 - 仅读取表格数据，不修改
- ✅ 本地分析 - 所有分析在本地执行
- ✅ 无数据留存 - 分析结果不上传外部服务
- ⚠️ Token 安全 - MCP token 需妥善保管
权限最小化
- 仅需表格读取权限
- 不需要写入/删除权限
- 不需要用户个人信息
数据抽样
- 每个数据表默认读取前 100 条记录
- 避免大量数据传输
- 降低 token 消耗
- 可通过
--limit参数调整
大数据量处理（v1.2.0 新增）
- ✅ 分页读取 - 自动使用分页（每页 50 条）处理大数据表
- ✅ 游标支持 - 使用 cursor 参数连续读取所有数据
- ✅ 临时文件 - 使用临时文件避免 JSON 截断问题
- ✅ 自动合并 - 自动合并所有分页数据
限制说明
已知限制
- 访问记录 - 钉钉无用户访问记录 API，无法按"最近访问"筛选
- 权限问题 - 部分表格可能因 token 权限无法访问，脚本会优雅跳过
- 数据量 - v1.2.0 已解决，支持分页读取大数据表
未来规划
- [ ] 支持多关键词组合筛选
- [ ] 支持正则表达式匹配
- [ ] 支持排除关键词
- [ ] 钉钉定时推送集成
- [x] 分页读取大数据表（v1.2.0 已实现）
文件结构
dingtalk-ai-table-insights/
├── SKILL.md # 技能说明（本文件）
├── scripts/
│ └── analyze_tables.py # 核心分析脚本
└── references/
├── examples.md # 使用示例
├── quickstart.md # 快速开始指南
└── prompt_design.md # Prompt 设计指南故障排查
表格显示"权限不足"
- 检查表格是否已分享给正确的组织
- 确认 MCP token 有效性
- 跳过无权限表格，继续分析其他表格
分析结果为空
- 确认关键词能匹配到表格
- 尝试不使用关键词进行全量扫描
- 检查表格中是否有数据
运行缓慢
- 使用
--keyword筛选表格 - 减少
--limit抽样数量 - 分析时间通常 1-3 分钟，取决于表格数量
- 使用缓存可加速表格列表获取（默认 5 分钟）
缓存问题
- 清除缓存：
--clear-cache - 强制刷新：
--no-cache - 缓存位置：
~/.cache/dingtalk-ai-table-insights/
dingtalk-ai-table 未安装
# 安装依赖技能
clawhub install dingtalk-ai-table
# 验证安装
clawhub list读取数据失败
- 确认 dingtalk-ai-table skill 已正确安装
- 检查表格 ID 是否正确
- 确认数据表名称（自动获取，不再硬编码）
- 大数据表 - v1.2.0 已支持分页读取，自动处理
相关资源
- 使用示例:
references/examples.md - 快速开始:
references/quickstart.md - 依赖说明:
references/dependencies.md - Prompt 设计:
references/prompt_design.md
版本历史
v1.6.9 (2026-03-02)
- ✅ 大模型分析完全修复 - 使用
--agent main成功调用 LLM - 📊 详细数据样本 - 发送每个表格的数据表分布和实际记录样本
- 🔧 JSON 解析增强 - 正确解析
result.payloads[0].text格式 - 📝 完整 LLM 报告 - 包含深度分析、风险识别、行动建议
v1.6.8 (2026-03-02)
- 🔧 会话 ID 自动获取 - 从 sessions list 获取并传递给 agent
- 📡 --session-id 参数 - 明确指定会话避免路由错误
v1.6.7 (2026-03-02)
- 🔧 调用参数修复 - 使用
--message长格式（参考 analyze_with_llm.py） - ⏱️ 超时优化 - 120 秒超时，支持更长分析
v1.6.6 (2026-03-02)
- 🔧 会话 ID 修复 - 正确解析 sessions list 输出
- 📡 使用 --session-id - 通过 session-id 调用大模型
v1.6.5 (2026-03-02)
- 🔧 大模型调用修复 - 添加
-m参数到 openclaw agent 命令 - 📡 调试信息 - 显示使用的调用方式
v1.6.4 (2026-03-02)
- 📝 数据示例优化 - 跳过系统字段，避免显示 JSON 和复杂数据
- 🔍 字段验证 - 确保提取的内容有意义
- ✅ 更清晰的报告 - 数据示例更易读
v1.6.3 (2026-03-02)
- 🔧 大模型调用优化 - 改进 openclaw agent 调用方式
- 📝 数据示例增强 - 支持更多字段名，避免显示"无"
- ✅ 技术说明准确 - 动态显示实际抽样数量
v1.6.2 (2026-03-02)
- 🎯 数据抽样优化 - 每个数据表最多 100 条（之前 50 条）
- ⚡ 性能提升 - 平衡分析质量与处理速度
- 💾 降低消耗 - 减少 token 使用和内存占用
v1.6.1 (2026-03-02)
- 🎯 分析方式透明化 - 报告中明确显示大模型调用状态
- 📝 错误信息输出 - 大模型失败时在报告中显示具体原因
- 🔧 状态追踪 - analyze_with_llm 返回 (报告，状态) tuple
- ✅ 用户友好 - 无需猜测报告是如何生成的
v1.3.0 (2026-02-28)
- 🎉 大模型分析 - 默认使用大模型进行深度分析
- 🆕 --no-llm 参数 - 可选择使用本地模板
- 🔄 多级降级 - OpenClaw 会话 → MCP 大模型 → 本地模板
- 📝 详细日志 - 改进错误处理和日志输出
- 📄 更新日志 - 新增 CHANGELOG.md
v1.2.0 (2026-02-28)
- ✅ 分页读取 - 支持大数据表分页读取（limit + cursor）
- ✅ 临时文件 - 使用临时文件避免 JSON 截断
- ✅ 自动合并 - 自动合并所有分页数据
- ✅ 修复 - 解决大数据量 JSON 解析失败问题
v1.1.0 (2026-02-28)
- ✅ 自动 Sheet 检测 - 使用
list_base_tablesAPI 获取 Sheet 列表 - ✅ Sheet ID 支持 - 优先使用 Sheet ID，避免中文编码问题
- ✅ 缓存机制 - 表格列表 5 分钟缓存
- ✅ 重试机制 - 网络错误自动重试（最多 3 次）
- ✅ 错误处理 - 区分权限错误和业务错误
v1.0.0 (2025-02-28)
- 初始版本发布
- 技能命名：dingtalk-ai-table-insights
- 支持关键词筛选
- 四维分析框架（一致性、趋势、风险、建议）
- 钉钉 AI 表格 MCP 集成（使用 dingtalk-ai-table skill）