🦝 小浣熊数据分析技能 (Raccoon Data Analysis Skill)

为 OpenClaw 设计的企业级远程数据分析解决方案，通过小浣熊数据分析 API 提供专业的数据分析、可视化和代码执行能力。

✨ 核心特性

• 🔄 统一接口架构 - 全面使用数据分析API，简化系统复杂度
• 📊 专业可视化 - 雷达图、柱状图、散点图、热力图等
• 📁 多格式支持 - Excel、CSV、图片、文件处理
• ⚡ 流式交互 - 实时显示分析过程和代码执行
• 🛡️ 远程安全 - 沙盒环境执行，零本地数据泄露
• 🔄 智能重试 - 3层重试机制，指数退避策略

🏗️ 架构设计

graph TB
    A[OpenClaw] --> B[数据分析API]

    B --> C[统一会话管理]
    B --> D{有文件?}
    D -->|是| E[文件上传]
    D -->|否| F[直接对话]

    E --> G[多轮对话]
    F --> G
    G --> H[实时流式响应]
    H --> I[生成物下载]
    I --> J[raccoon/dataanalysis/]

🎯 统一处理流程

📁 项目结构

raccoon-dataanalysis-skill/
├── references/                  # 📚 API 参考文档
│   ├── API_REFERENCE.md         # 完整接口说明 (11.3KB)
│   └── CHEATSHEET.md           # 快速参考 (3.9KB)
├── scripts/
│   └── main.py                 # 🔧 核心数据分析客户端 (精简版)
├── SKILL.md                    # 🎯 技能使用规范
└── README.md                   # 📖 项目说明

🚀 快速开始

1️⃣ 环境配置

export RACCOON_API_HOST="https://xiaohuanxiong.com"
export RACCOON_API_TOKEN="your-api-token"

2️⃣ 验证连接

python3 scripts/main.py auth-check

3️⃣ 开始分析

📊 Excel文件分析

python3 scripts/main.py analyze \
  --file "/path/to/sales_data.xlsx" \
  --prompt "分析月度销售趋势，生成可视化报告"
# 🔄 统一流程: 会话创建 → 文件上传 → 分析对话 → 生成物下载

🧮 纯数学计算

python3 scripts/main.py analyze \
  --prompt "实现K-means聚类算法，生成500个样本数据并可视化结果"
# 🔄 统一流程: 会话创建 → 分析对话 → 生成物下载

💡 实际应用场景

📈 商业数据分析

# 销售数据洞察
python3 scripts/main.py analyze \
  --file "Q3_sales.xlsx" \
  --prompt "按地区和产品线分析销售表现，识别增长机会" \
  --show-code

# 客户行为分析
python3 scripts/main.py analyze \
  --file "user_behavior.csv" \
  --prompt "分析用户留存率和转化漏斗，生成executive summary"

🎓 学术研究

# 心理测评可视化
python3 scripts/main.py analyze \
  --file "psychology_survey.xlsx" \
  --prompt "绘制多维度雷达图，比较不同组别的心理健康指标"

# 实验数据统计
python3 scripts/main.py analyze \
  --file "experiment_results.csv" \
  --prompt "执行t检验和方差分析，生成统计报告和箱线图"

🔬 算法开发

# 机器学习实验
python3 scripts/main.py analyze \
  --prompt "实现并比较SVM、随机森林、神经网络在鸢尾花数据上的性能"

# 数值模拟
python3 scripts/main.py analyze \
  --prompt "蒙特卡洛模拟股票价格路径，计算VaR和期权定价"

🔧 高级功能

🐍 Python API 集成

from scripts.main import RaccoonClient

# 初始化客户端
client = RaccoonClient()

# 多轮交互分析
session = client.create_session('股票分析项目')
sid = session['id']

# 上传数据
file_id = client.upload_temp_file('stock_prices.csv')

# 第一轮：基础分析
result1 = client.chat(sid, '计算技术指标：MA20、MACD、RSI',
                      upload_file_ids=[file_id])

# 第二轮：深度分析
result2 = client.chat(sid, '基于技术指标预测未来5天走势，生成交易信号')

# 下载所有图表和报告
artifacts = client.download_artifacts(sid)
print(f"生成了 {len(artifacts)} 个分析报告")

⚡ 技术亮点

🏗️ 架构优势

• 统一接口: 使用单一数据分析接口，架构简洁清晰
• 完整会话: 所有请求(含纯计算)都有会话管理和追问能力
• 易于维护: 统一代码路径，降低维护复杂度

🔄 可靠性保障

• 智能重试: 5s → 10s → 20s 指数退避
• 错误分类: 区分业务错误(100012)与系统错误(504)
• 流式容错: SSE中断自动恢复

🎨 响应分类解析

# SSE 数据流智能分类
if stage == "generate":     # 💬 AI回复文本
if stage == "code":         # 🐍 Python代码生成
if stage == "execute":      # ⚡ 代码执行输出
if stage == "image":        # 🖼️ 图表生成
if stage == "ocr":          # 📝 文字识别

🌍 跨平台兼容

• 文件打开: macOS (open) / Linux (xdg-open)
• 命令兼容: 处理macOS缺少timeout命令
• 编码支持: UTF-8全球化

🛡️ 安全与合规

🔒 安全机制

• Bearer Token认证 - 企业级API安全
• 临时文件管理 - 7天自动过期清理
• 预签名URL - 30分钟安全下载窗口
• 沙盒执行 - 隔离的远程代码运行环境

📋 使用约束

1. 🚫 禁止本地分析 - 所有计算必须通过小浣熊数据分析API
2. 📁 统一输出路径 - 所有生成物保存到 ./raccoon/dataanalysis/
3. 🔄 远程优先架构 - 本地仅负责文件传输和结果展示
4. 💬 统一会话管理 - 所有请求都通过数据分析的会话系统处理

🎯 OpenClaw 集成

🎪 技能触发词

在 OpenClaw 中使用以下关键词自动加载技能：

• 小浣熊数据分析 / Raccoon数据分析
• 数据分析会话

🐛 故障排除

常见错误码

运行时异常

📚 参考资料

• 📋 SKILL.md - 技能使用规范和最佳实践
• 🔗 API_REFERENCE.md - 完整API接口文档
• ⚡ CHEATSHEET.md - 常用命令速查表

🎊 最佳实践

📈 性能优化

# 大文件分析 - 利用会话管理分步处理
python3 scripts/main.py analyze \
  --file "large_dataset.csv" \
  --prompt "先探索数据结构和基本统计信息"
# 后续可以在同一会话中继续深入分析

# 复杂分析 - 多轮对话深入
python3 scripts/main.py analyze \
  --prompt "步骤1：生成模拟股票数据并进行基础统计分析"
# 然后可以追问更深入的问题，享受完整的会话上下文

🎨 可视化技巧

# 专业图表定制
python3 scripts/main.py analyze \
  --file "financial_data.xlsx" \
  --prompt "使用seaborn风格，生成publication-ready的收益率分布图，包含95%置信区间"

---

💼 企业支持

这是一个生产级别的统一数据分析代理系统，适用于：

• 🏢 企业BI团队 - 快速数据洞察和报告生成
• 🎓 学术研究 - 统计分析和科学计算
• 📊 数据科学 - 原型开发和算法验证
• 💹 金融分析 - 风险建模和投资决策

⚠️ 重要提醒: 使用前请确保已正确配置API凭证和网络环境。所有数据处理均通过小浣熊数据分析的远程安全沙盒完成。