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