办公里还有一大类工作叫"算"------把散落在表格、系统里的原始数据，聚合成老板要看的指标，再做张图。这类活儿手工做费时且易错，恰恰是 Codex + 数据报表 skill 最擅长的。本篇讲它的最佳实践。
一、痛点：从数据到结论的中间段最贵
真实场景里，数据往往来自多个渠道：CRM 导出、财务表、运营后台。把它们合到一起、算环比、排名次、画趋势，中间这段"加工"最耗人。更麻烦的是，一旦口径变了（比如"营收"要不要含税），整张表要重做。很多人因此干脆不做分析，只堆原始数字，决策层拿到的是原料而非结论。
最佳实践：让 skill 承担"聚合 + 指标 + 可视化 + 叙述"的全链路，人只定义"要看什么"，机器产出"看到了什么"。
二、方法：指标先行，图表与叙述同源
落地时要把"指标定义"和"呈现"解耦。先明确要看哪些 KPI（总额、环比、冠军项、异常项），skill 据此聚合；再让图表和文字叙述都从同一份聚合结果生成，避免"图一个数、文另一个数"的尴尬。下面是一段由 demo 跑出的真实汇总：
这张表、对应的柱状图、以及"华东为基本盘、西部增速亮眼"的结论，都来自同一份聚合结果。口径一旦调整，三者同步更新，不会出现对不上的情况。
报表 skill 还有一个隐性价值：它把"临时问一个数"也标准化了。过去同事问"西部这月涨了多少"，你得开表、筛选、再算一遍；现在直接在对话里说"西部环比"，skill 调同一套口径返回结果。提问方式统一了，口径就不会因人而异，团队对"数字从哪来"也有了共同信任，扯皮少了、决策快了。
三、避坑：口径要写进 skill，而非脑子
报表最容易出问题的不是算错，而是口径不一致。A 月含退税、B 月不含，对比就失真。最佳实践是：把指标口径（计算公式、过滤条件、时间窗）固化为 skill 的配置，所有人跑出来都一样。此外，图表要"自解释"------带数值标签、有单位、有标题，不让看图的人猜。
另外，报表频率要匹配决策节奏：日报看异常、周报看趋势、月报看结构，别用月报粒度去盯日常。把不同频率拆成不同 skill，既省算力也省注意力。Codex 可按定时触发调用对应 skill，让报表像闹钟一样准时出现，而不是等人想起来才做。当"看数"变成零摩擦的日常，数据驱动才真正落地。
最后说一个常见误区：报表 skill 不是越复杂越好。很多团队一上来就堆几十个指标，结果没人看。正确的做法是"少而准"------先锁定老板和业务真正每天盯的那三五个数，把它们做扎实、做稳定，再逐步扩展。skill 的价值在于被用起来，而非功能堆得全。
进阶：把"异常自动标红 + 触发提醒"做成报表 skill 的尾巴。比如某区域环比下跌超阈值，自动在结论里高亮并通知负责人，报表就从"记录过去"进化成"预警现在"。
可执行 Demo：office_report.py
零依赖 Python，内置 8 条原始记录（区域/月份/营收），aggregate 聚合后算出总额、环比、冠军区域，并用 ascii_bar 生成文本柱状图，同时输出可嵌入网页的 HTML 柱状图片段。你跑起来会直接看到一张带结论的报表。
python office_report.py
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
office_report.py
================
演示"最佳实践 2"：让 Codex 调用一个数据报表 Skill，把零散的原始记录
聚合成关键指标，并自动生成叙述性结论与可视化图表，省去手工做表。
运行：
python office_report.py
"""
from collections import defaultdict
# 模拟从数据库/表格拉取的原始记录（区域, 月份, 营收(万)）
RAW = [
("华东", "7月", 320), ("华北", "7月", 210), ("华南", "7月", 180), ("西部", "7月", 90),
("华东", "8月", 360), ("华北", "8月", 230), ("华南", "8月", 200), ("西部", "8月", 110),
]
def aggregate(raw):
by_region = defaultdict(int)
by_month = defaultdict(int)
for region, month, val in raw:
by_region[region] += val
by_month[month] += val
return by_region, by_month
def ascii_bar(label, value, max_val, width=24):
filled = int(value / max_val * width)
return f" {label:<6} | {'█' * filled}{'·' * (width - filled)} {value}"
def build_report(raw):
by_region, by_month = aggregate(raw)
total = sum(v for _, _, v in raw)
top_region = max(by_region, key=by_region.get)
months = sorted(by_month)
growth = (by_month[months[-1]] - by_month[months[0]]) / by_month[months[0]] * 100
lines = []
lines.append("【数据报表 Skill 自动汇总】")
lines.append(f"统计区间：{months[0]} ~ {months[-1]}")
lines.append(f"总营收：{total} 万｜环比增长：{growth:.1f}%")
lines.append(f"营收冠军区域：{top_region}（{by_region[top_region]} 万）")
lines.append("")
lines.append("各区域营收分布：")
max_val = max(by_region.values())
for region, val in sorted(by_region.items(), key=lambda x: -x[1]):
lines.append(ascii_bar(region, val, max_val))
lines.append("")
lines.append("结论：整体稳健增长，华东为基本盘；西部基数小但增速亮眼，建议倾斜资源。")
return "\n".join(lines), by_region, by_month, growth
def main():
print("=" * 64)
print(" Codex + 数据报表 Skill 演示")
print("=" * 64)
report, by_region, by_month, growth = build_report(RAW)
print(report)
# 同时给出可嵌入网页的简易 HTML 柱状图片段
max_val = max(by_region.values())
bars = "\n".join(
f' <div style="margin:6px 0"><span style="display:inline-block;width:48px">{r}</span>'
f'<span style="display:inline-block;background:#0ea5e9;height:18px;width:{val/max_val*200:.0f}px"></span> {val}</div>'
for r, val in sorted(by_region.items(), key=lambda x: -x[1])
)
print("\n[可嵌入] HTML 柱状图片段：")
print(f"<div>\n{bars}\n</div>")
print(f"\n[完成] 原始 {len(RAW)} 条记录 → KPI + 图表 + 结论，全程无需手工制表。")
if __name__ == "__main__":
main()把"拉数据 → 算 KPI → 出图 → 写结论"封装成一个可复用的 skill 逻辑，正是本篇方法的代码化身。
四、总结
数据报表的最佳实践，是把"加工段"彻底交给 skill：指标口径固化、图表与叙述同源、异常自动预警。当每月的营收表、周度的运营看板都变成一条命令的事，团队就从"忙着做表"回到"忙着决策"。