为AIME(AI交易助手)生成综合用户行为分析报告。当用户要求分析用户行为、生成用户报告、分析交互模式、调查用户流失、了解用户参与度或从用户ID或日志数据创建分析文档时,使用此技能。
AIME 是集成在 Ainvest 平台中的 AI 驱动的交易助手。它帮助用户在多种资产类别中做出明智的投资决策:
本技能分析 AIME 用户交互日志,以了解用户行为、评估服务质量、识别改进机会并评估流失风险。
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ 数据层 │ → │ AI分析层 │ → │ 报告层 │
│ (Python) │ │ (Claude Code) │ │ (Python) │
└─────────────────┘ └─────────────────┘ └─────────────────┘
关键原则:
无硬编码的分析逻辑 - 所有洞察都基于用户的实际对话数据动态生成。
在以下情况下使用此技能:
要生成报告,您需要提供:
用户交互记录Excel文件路径(必需)
/Users/han/ths_work/ths_chat_not_completed/user1834297646/user1834297646.xlsx/Users/han/ths_work/ths_chat_done/user1834297646/user1809331416.xlsx.xlsx 或 .xls用户ID(必需)
1834297646分析日期范围(必需)
20260101 到 20260131使用示例:
请分析用户 1834297646 的行为,Excel文件在:
/Users/han/ths_work/ths_chat_not_completed/user1834297646.xlsx
分析周期:2026年1月1日 到 2026年1月31日
注意:
本技能支持多种报告格式:
user_{user_id}_data.json):原始提取的数据user_{user_id}_analysis.md):Markdown格式的分析报告(推荐)user_{user_id}_analysis.docx):Word格式的分析报告(可选)使用方式:
--format docx 参数每个生成的报告必须遵循此结构(基于 examples/ex3.docx):
必需内容:
必需字段:
必需子章节:
(1)用户生命周期:
(2)用户类型识别:
(3)社会学特征的描述:
必需子章节:
必需内容:
必需子章节:
用户的投资需求分析:
每个需求需提供:
必需内容:
必需内容:
说明:此部分由产品经理填写,分析师提供数据支持和问题聚类
必需格式:
在用户反馈中明确表达不满的:
案例1(时间戳):用户输入 "xxx"
原因:AIME回答xxxx,没有满足用户xxxx
后果:用户说xxx/用户行为xxx
案例2(时间戳):...
注意:同类原因只展示1个代表性案例
在用户反馈中明确表达不错的:
案例1(时间戳):用户输入 "xxx"
原因:AIME回答xxxx,满足了用户xxxx
后果:用户说xxx/用户行为xxx
案例2(时间戳):...
必需格式:
基于看到的有问题的case,进行罗列聚类分析:
问题名称1:
详细说明问题
证据:xxx(具体时间戳 + 用户问题 + AIME回答)
问题名称2:
详细说明问题
证据:xxx(具体时间戳 + 用户问题 + AIME回答)
必需分析:
根据提供的excel表统计:
总体统计:
二维矩阵分析:
格式示例:
Skill deep_thinking normal_agent o3_reasoning
advise crypto suggestions 1/1 (100%) - -
advise stock suggestions 6/9 (67%) - 2/3 (67%)
预测类单独说明:
必需格式:
优化方向1:
问题:详细说明问题(基于实际案例分析)
建议:
- 具体建议1
- 具体建议2
- 具体建议3
优化方向2:
问题:详细说明问题
建议:
- 具体建议1
- 具体建议2
必需内容:
序号. [时间戳] 原始问句翻译要求:
示例格式:
1. [2026-01-14 07:04:02] provide five top stocks with gap up and volume
翻译:提供5只具有跳空上涨和成交量放大的股票
2. [2026-01-14 07:15:30] what about Coinbase
翻译:Coinbase怎么样
3. [2026-01-15 06:34:39] provide stocks with a gap >= 4% and volume >= 150% of 30-day avg
翻译:提供跳空幅度>=4%且成交量>=30日均量150%的股票
# 生成 Markdown 报告
python3 scripts/analyze_user.py <user_id> <excel_file> <start_date> <end_date>
# 示例
python3 scripts/analyze_user.py 1834297646 /path/to/user.xlsx 20260101 20260131
# 生成 Word 报告
python3 scripts/analyze_user.py 1834297646 /path/to/user.xlsx 20260101 20260131 --format docx
# 同时生成两种格式
python3 scripts/analyze_user.py 1834297646 /path/to/user.xlsx 20260101 20260131 --format both
# 指定输出目录
python3 scripts/analyze_user.py 1834297646 /path/to/user.xlsx 20260101 20260131 --output-dir ./reports
# 跳过 Ainvest API 数据获取(仅分析 Excel)
python3 scripts/analyze_user.py 1834297646 /path/to/user.xlsx 20260101 20260131 --skip-api
# 步骤 1: 提取数据
python3 -c "
from scripts.user_data_extractor import UserDataExtractor
extractor = UserDataExtractor.extract_all_data('1834297646', '/path/to/user.xlsx')
extractor.export_for_analysis()
"
# 步骤 2: 生成报告(使用 Claude Code 分析数据)
# 由 Claude Code 基于提取的数据进行分析
# 步骤 3: 生成 Markdown 报告
python3 -c "
from scripts.md_generator import MarkdownReportGenerator
generator = MarkdownReportGenerator()
generator.generate_from_analysis(analysis_data, 'user_1834297646_analysis.md', '/path/to/user.xlsx')
"
关键:Claude Code 查看数据并根据实际用户交互做出智能判断,而不是预定义的类别。为产品经理的决策提供全面的数据支持。
scripts/analyze_user.py - 主入口脚本
scripts/user_data_extractor.py - 数据提取器
scripts/ainvest_data_fetcher.py - API 数据获取器
scripts/user_analyzer.py - 用户分析器
scripts/matrix_analyzer.py - 矩阵分析器
scripts/md_generator.py - Markdown 报告生成器
scripts/docx_generator.py - Word 报告生成器
pip install pandas openpyxl requests python-docx
依赖说明:
pandas:用于读取和处理 Excel 文件openpyxl:用于读取 .xlsx 格式文件(pandas的依赖)requests:用于 API 调用python-docx:用于 Word 文档生成生成报告时,请确保:
--skip-api 参数跳过 API 获取logs = response.json()['data']新的报告格式包含 4 个主要章节:
用户行为分析
用户问句的分析
AIME的服务分析
主动输入的问句list(含翻译,由 Claude Code 完成)
一份好的分析报告应该:
ZIP package — ready to use