\r \r

观远BI\r

\r

🔴 操作前必读（不可跳过）\r

\r

⚠️ 关键规则\r

\r 所有数值计算必须跑代码 — 禁止在思考中直接口算百分比、环比、除法等。\r

1. 必须提供 pg_id — 不保存的卡片无法取数据\r
2. 先查页面权限 — 用 list-pages --manageable 找有权限的页面，不用翻 JSON\r
3. 筛选值按需查 — 只有用了分类筛选（IN/EQ/CONTAINS）才需要 search-values；纯日期范围（BT）不需要\r
4. 图表类型限制 — 超出 metric/row/column 上限会返回空数据\r
5. 必须确认数据范围 — 用户没有明确指定日期范围时，必须追问，不要自己假设。例如："你想看哪段时间的数据？" 或提供选项："要看今天、本周还是上月？"\r \r \r \r 每次做分析前，第一步永远是：\r

cat skills/guandata/分析经验.md\r
```\r
这不是建议，是硬性步骤。跳过 = 重复踩坑。规则都在里面，包括：\r
- 数据表选择（哪张表对应什么场景）\r
- 字段陷阱\r
- 报告规范\r
- 计算红线（加权平均、禁止口算）\r
- 待处理的bug\r
\r
**遇到意外的错误以及得到新的教训立即更新：** 遇到意外的错误以及得到新的教训，当场写入 `分析经验.md` 的「待确认」区域（第四章），格式：\r
```markdown\r
### 7.N [YYYY-MM-DD] 简要标题\r
- **场景**: 什么情况下遇到的\r
- **问题**: 发生了什么\r
- **我的判断**: 我认为应该怎么做\r
```\r
如果配置了 cron，待确认项可以自动发送给用户确认。\r
\r
## 基本信息\r
- 配置文件: `skills/guandata/config.json`（**含明文凭据，请勿提交到公开仓库**）\r
- 脚本: `skills/guandata/scripts/guandata.py`\r
\r
## 运行环境\r
- **Python 3.8+**\r
- **依赖库**: `httpx`（`pip install httpx`）\r
- 凭据存储在 `config.json` 中（明文），仅供本地使用，切勿提交到公开仓库\r
\r
## 配置说明\r
\r
编辑 `config.json`：\r
\r
```json\r
{\r
  "version": "6",\r
  "base_url": "https://your-guandata-instance.com:port",\r
  "domain": "your_domain",\r
  "login_id": "your_username",\r
  "password": "your_password",\r
  "default_pg_id": "your_default_page_id",\r
  "default_folder_id": "your_default_folder_id"\r
}\r
```\r
\r
| 字段 | 必填 | 说明 |\r
|------|------|------|\r
| `version` | ✅ | 观远BI版本：`"6"` 或 `"7"`。\x3Cbr>• `"6"`：观远BI 6.x，直接保存卡片\x3Cbr>• `"7"`：观远BI 7.0+，使用 draft/release 机制（创建卡片后自动发布页面） |\r
| `base_url` | ✅ | 观远BI服务器地址，如 `https://bi.company.com:8080` |\r
| `domain` | ✅ | 登录域，通常为 `guanbi`，具体咨询你们的BI管理员 |\r
| `login_id` | ✅ | 观远BI登录账号 |\r
| `password` | ✅ | 观远BI登录密码 |\r
| `default_pg_id` | | 默认页面ID。不传时，`create-and-get` 需手动指定 `pg_id`；传入后可省略 |\r
| `default_folder_id` | | 默认文件夹ID。创建新页面时的存放位置 |\r
\r
### 如何获取 pg_id / folder_id\r
\r
1. 在观远BI网页打开目标页面，URL 中的 `pgId=xxx` 即为页面ID\r
2. 文件夹ID在观远BI「数据管理」→「目录」中查看\r
\r
## 核心命令\r
\r
```bash\r
SCRIPT="python3 skills/guandata/scripts/guandata.py"\r
\r
# 查数据集（默认读本地缓存）\r
$SCRIPT list-datasets\r
$SCRIPT list-datasets --columns   # 同时显示每个数据集的字段\r
$SCRIPT list-datasets --refresh   # 强制刷新缓存（数据源有变更时用）\r
\r
# 查字段（默认读本地缓存，自动包含计算字段）\r
$SCRIPT get-columns \x3Cds_id>             # 输出原始字段 + 计算字段\r
$SCRIPT get-columns \x3Cds_id> --refresh   # 强制刷新缓存\r
$SCRIPT get-columns \x3Cds_id> --with-calc # 同时显示计算字段（公式字段）\r
\r
# 查枚举值（筛选前必查，避免值不存在）\r
# fd_id 从 get-columns 输出第二列拿\r
$SCRIPT search-values \x3Cds_id> \x3Cfd_id> --search "关键词"\r
$SCRIPT search-values \x3Cds_id> --name "门店名称" --search "某门店"  # 用字段名代替 fd_id\r
\r
# 建卡+取数（一步到位）\r
$SCRIPT create-and-get '{"name":"卡片名","ds_id":"数据集ID","chart_type":"SINGLE_VALUE","pg_id":"页面ID","metric":[{"name":"会员id","aggr":"CNT_DISTINCT"}],"filters":[{"name":"营业日期","op":"BT","value":["2026-02-01","2026-02-28"]}]}'\r
$SCRIPT create-and-get '{...}' --limit 200   # 限制返回200行数据（默认500行上限）\r
\r
# 建卡+取数（组合图，metric_additional 传折线叠加数据）\r
$SCRIPT create-and-get '{"name":"达成率趋势","ds_id":"数据集ID","chart_type":"STACKED_COLUMN_WITH_LINE","pg_id":"页面ID","metric":[{"name":"营业额","aggr":"SUM"}],"metric_additional":[{"name":"人数","aggr":"SUM"}],"row":["营业日期(月)"],"column":["销售类型"],"filters":[...]}'\r
\r
# 仅建卡（不取数）\r
$SCRIPT create-card '{...}'\r
\r
# 取卡片数据（含筛选条件）\r
$SCRIPT get-card-data \x3Ccard_id>\r
\r
# 列页面\r
$SCRIPT list-pages\r
$SCRIPT list-pages --manageable  # 只显示有编辑权限的页面（日常用这个）\r
\r
# 注意：list-datasets 默认显示父文件夹ID\r
# 输出格式示例：\r
#   数据集名称\r
#     ID: 数据集ID  |  行数  列数  |  状态\r
#     父文件夹ID: 父文件夹ID\r
#     描述: 描述信息\r
#     路径: 目录路径\r
\r
# 创建页面\r
$SCRIPT create-page "页面名称"\r
$SCRIPT create-page "页面名称" --parent-dir "目录ID" --desc "描述"\r
\r
# 获取页面卡片列表\r
$SCRIPT get-page-cards \x3Cpg_id>\r
\r
# 批量删除卡片（需要 pg_id）\r
$SCRIPT delete-cards \x3Cpg_id> \x3Ccard_id1> \x3Ccard_id2> ...\r
```\r
\r
## 💾 数据缓存机制\r
**`create-and-get`、`get-card-data` 命令都会自动将数据保存到本地 CSV 缓存文件。**\r
\r
输出末尾会显示缓存路径：`📁 缓存: skills/guandata/.cache/data/xxx.csv`\r
\r
### 缓存目录结构\r
\r
```\r
skills/guandata/.cache/\r
├── data/                   # 数据查询缓存（CSV），默认共享目录\r
├── datasets/               # 数据集列表缓存（JSON）\r
├── columns/                # 字段列表缓存（JSON）\r
└── tasks/                  # 按任务隔离的缓存（使用 --task 参数时）\r
    └── {task_name}/\r
        ├── data/\r
        ├── datasets/\r
        └── columns/\r
```\r
\r
### 按任务隔离缓存（--task）\r
\r
不同任务的缓存混在一起时，用 `--task` 参数按任务名分组。**`--task` 放在子命令前面：**\r
\r
```bash\r
# 堂食分析任务 → skills/guandata/.cache/tasks/堂食分析/data/\r
$SCRIPT --task "品类分析" create-and-get '{"name":"品类","ds_id":"\x3Cdataset_id>",...}'\r
\r
# 查字段也隔离\r
$SCRIPT --task "会员分析" get-columns \x3Cdataset_id>\r
```\r
\r
不加 `--task` 时，缓存仍在默认的 `.cache/data/` 共享目录。\r
\r
### 缓存清理\r
\r
当缓存占用过多空间或数据过期时，需要清理缓存：\r
\r
```bash\r
# 清理所有数据查询缓存（保留最近7天）\r
find skills/guandata/.cache/data -name "*.csv" -mtime +7 -delete\r
\r
# 清理所有缓存（彻底清空）\r
rm -rf skills/guandata/.cache/*\r
\r
\r
\r
### 缓存文件格式\r
\r
CSV，首行为表头，后续行为数据。用 Excel / pandas / csv 模块直接读即可。\r
\r
### 大模型使用规范\r
\r
**当拿到取数结果后，必须用缓存文件处理数据，不要把大量数据塞进上下文。**\r
\r
正确做法：\r
```python\r
import csv\r
# 1. 从输出中提取缓存路径\r
# 2. 用代码读取缓存\r
with open('skills/guandata/.cache/data/xxx.csv', encoding='utf-8-sig') as f:\r
    reader = csv.reader(f)\r
    headers = next(reader)\r
    rows = list(reader)\r
# headers[j] 是第 j 列的字段名\r
# rows[i][j] 是第 i 行第 j 列的值（字符串）\r
```\r
\r
## create-and-get / create-card 参数说明\r
\r
`create-and-get` 和 `create-card` 共用以下参数格式：\r
\r
| 参数 | 必填 | 类型 | 说明 | 类比 SQL |\r
|------|------|------|------|----------|\r
| `name` | ✅ | string | 卡片名称 | - |\r
| `ds_id` | ✅ | string | 数据集 ID（用 `list-datasets` 查） | `FROM 表` |\r
| `chart_type` | ✅ | string | 图表类型（见下方速查表） | - |\r
| `pg_id` | ✅ | string | 保存到的页面 ID（用 `list-pages --manageable` 找） | - |\r
| `row` | | list | 行维度（分组依据） | `GROUP BY` |\r
| `column` | | list | 列维度（横向拆列） | 交叉表列头 |\r
| `metric` | | list | 数值（要算的指标） | `SUM/AVG/COUNT` |\r
| `metric_additional` | | list | 叠加数值（组合图专用：柱+线的线） | - |\r
| `color_by` | | list | 颜色分组（气泡图/散点图） | - |\r
| `size_by` | | list | 气泡大小（气泡图专用） | - |\r
| `filters` | | list | 筛选条件 | `WHERE` |\r
| `sorting` | | list | 排序 | `ORDER BY` |\r
| `custom_fields` | | list | 自定义公式字段（动态创建计算列） | `SELECT ... , SUM(x)/SUM(y) AS 别名` |\r
\r
举例说明：\r
```json\r
{\r
  "row": ["城市"],                        // 按城市分行\r
  "column": ["销售类型名称"],              // 堂食/外卖拆成两列\r
  "metric": [{"name": "毛营业额", "aggr": "SUM"}],  // 每格填营业额总和\r
  "filters": [{"name": "营业日期", "op": "BT", "value": ["2026-01-01", "2026-02-28"]}],  // 只看1-2月\r
  "sorting": [{"name": "毛营业额", "order": "DESC"}]  // 按营业额降序排\r
}\r
// 等价于: SELECT 城市, 销售类型名称, SUM(毛营业额) FROM 表 WHERE 营业日期 BETWEEN ... GROUP BY 城市, 销售类型名称 ORDER BY SUM(毛营业额) DESC\r
```\r
\r
### 自定义公式字段（custom_fields）\r
\r
在创建卡片时动态添加计算字段，无需提前在观远界面建好：\r
\r
```bash\r
$SCRIPT create-and-get '{\r
  "name": "成本率分析",\r
  "ds_id": "数据集ID",\r
  "chart_type": "GROUPED_COLUMN",\r
  "pg_id": "页面ID",\r
  "row": ["门店名称"],\r
  "metric": [\r
    {"name": "毛营业额", "aggr": "SUM"},\r
    {"name": "成本率"}\r
  ],\r
  "custom_fields": [\r
    {"name": "成本率", "fdType": "DOUBLE", "formula": "SUM([实际使用金额])/SUM([毛营业额])*100"}\r
  ],\r
  "filters": [{"name": "营业日期", "op": "BT", "value": ["2026-01-01", "2026-02-28"]}]\r
}'\r
```\r
\r
**参数格式**：\r
\r
| 字段 | 必填 | 说明 |\r
|------|------|------|\r
| `name` | ✅ | 新字段名称 |\r
| `fdType` | ✅ | 数据类型：`DOUBLE`（数值）、`STRING`（文本）等 |\r
| `formula` | ✅ | 公式表达式，用 `[字段名]` 引用字段，支持 `SUM()`/`AVG()` 等聚合 |\r
\r
**注意**：\r
- 公式里的字段名必须是数据集中已存在的字段\r
- 创建后该字段可直接在 `metric`/`row` 中引用（和其他字段一样），如果公式已经聚合无需再写 `aggr`\r
- 仅 `create-and-get` 和 `create-card` 支持此参数\r
\r
\r
## 图表类型速查（26种）\r
\r
| 类型 | metric | row | column | metric_additional | color_by | size_by | 备注 |\r
|------|:------:|:---:|:------:|:-----------------:|:--------:|:-------:|------|\r
| `SINGLE_VALUE` | 1 | 0 | 0 | 0 | 0 | 0 | 指标卡（单值） |\r
| `KPI_CARD` | n | 0 | 0 | 0 | 0 | 0 | 指标卡（带阈值样式） |\r
| `BASIC_COLUMN` | 1 | n | 0 | 0 | 0 | 0 | 柱状图 |\r
| `GROUPED_COLUMN` | n | n | 1 | 0 | 0 | 0 | 簇状柱状图 |\r
| `STACKED_COLUMN` | n | n | 1 | 0 | 0 | 0 | 堆积柱状图 |\r
| `PERCENT_STACKED_COLUMN` | n | n | 1 | 0 | 0 | 0 | 百分比堆积柱状图 |\r
| `WATERFALL_COLUMN` | 1 | n | 0 | 0 | 0 | 0 | 瀑布图 |\r
| `BULLET_COLUMN` | 2 | n | 0 | 0 | 0 | 0 | 子弹图 |\r
| `BASIC_BAR` | 1 | n | 0 | 0 | 0 | 0 | 条形图 |\r
| `BASIC_LINE` | 1 | n | 0 | 0 | 0 | 0 | 折线图 |\r
| `MULTI_LINE` | n | n | 1 | 0 | 0 | 0 | 多条折线图 |\r
| `STACKED_AREA` | n | 1 | 1 | 0 | 0 | 0 | 堆积面积图 |\r
| `PERCENT_STACKED_AREA` | n | 1 | 1 | 0 | 0 | 0 | 百分比堆积面积图 |\r
| `STACKED_COLUMN_WITH_LINE` | n | 1 | 1 | 1 | 0 | 0 | metric=柱子, metric_additional=折线 |\r
| `GROUPED_COLUMN_WITH_LINE` | n | 1 | 1 | 1 | 0 | 0 | metric=柱子, metric_additional=折线 |\r
| `STACKED_COLUMN_WITH_SYMBOL` | n | 1 | 1 | 1 | 0 | 0 | metric=柱子, metric_additional=标记 |\r
| `GROUPED_COLUMN_WITH_SYMBOL` | n | 1 | 1 | 1 | 0 | 0 | metric=柱子, metric_additional=标记 |\r
| `PIE` | 1 | 1 | 0 | 0 | 0 | 0 | 饼图 |\r
| `TREE_MAP` | 1 | n | 0 | 0 | 0 | 0 | 矩形树图 |\r
| `FUNNEL` | n | 0 | 0 | 0 | 0 | 0 | 漏斗图 |\r
| `HEAT_MAP` | 1 | 1 | 1 | 0 | 0 | 0 | 热力图 |\r
| `MULTIDIMENSIONAL_SANKEY` | 1 | n | 0 | 0 | 0 | 0 | 多维桑基图 |\r
| `PIVOT_TABLE` | n | n | n | 0 | 0 | 0 | 交叉表 |\r
| `WORD_CLOUD` | 1 | 1 | 0 | 0 | 0 | 0 | 词云 |\r
| `BASIC_BUBBLE` | 2 | n | 0 | 0 | 1 | 1 |气泡图 x=metric[0], y=metric[1] |\r
| `BASIC_SCATTER_PLOT` | 2 | 1 | 0 | 0 | 1 | 0 | 散点图  x=metric[0], y=metric[1]|\r
\r
> `n` = 不限数量, `0` = 不支持, `2` = 最大2个\r
\r
\r
## metric 格式\r
\r
```json\r
{"name": "毛营业额", "aggr": "SUM"}                         // SUM\r
\r
{"name": "订单编码", "aggr": "CNT_DISTINCT", "alias": "订单数"}  // 指定聚合\r
\r
{"name": "桌单价"}                           // 自定义字段如果在formula的计算公式中已聚合的情况下，就不再需要 aggr了\r
```\r
\r
聚合方式: `SUM` / `AVG` / `MAX` / `MIN` / `CNT` / `CNT_DISTINCT`\r
\r
## filters 格式\r
\r
```json\r
// 维度筛选（WHERE）\r
{"name": "城市", "op": "IN", "value": ["上海市", "南京市"]}\r
\r
// 日期范围\r
{"name": "营业日期", "op": "BT", "value": ["2026-01-01", "2026-02-28"]}\r
\r
// 度量筛选（HAVING，聚合后过滤）\r
{"name": "毛营业额", "op": "GT", "value": ["1000000"]}\r
```\r
\r
## sorting 格式\r
\r
```json\r
// 单字段排序\r
[{"name": "毛营业额", "order": "DESC"}]\r
[{"name": "门店编号", "order": "ASC"}]\r
\r
// 多字段排序\r
[{"name": "城市", "order": "ASC"}, {"name": "毛营业额", "order": "DESC"}]\r
```\r
\r
## 字段名格式\r
\r
`row`、`column`、`metric.name`、`filters.name`、`sorting.name`、`color_by.name`、`size_by.name` 都用字段名。\r
\r
**普通字段** — 直接写平台上的字段名：\r
```json\r
"row": ["城市"]\r
"metric": [{"name": "毛营业额", "aggr": "SUM"}]\r
"filters": [{"name": "门店名称", "op": "EQ", "value": ["某门店"]}]\r
```\r
\r
**日期子字段** — `字段名(粒度)`，自动按时间维度拆分：\r
\r
| 写法 | 效果 | 示例输出 |\r
|------|------|----------|\r
| `"营业日期(年)"` | 按年汇总 | 2025 |\r
| `"营业日期(季度)"` | 按季度汇总 | 2025年第4季度 |\r
| `"营业日期(月)"` | 按月汇总 | 2025-11 |\r
| `"营业日期(周)"` | 按周汇总 | 2025年第44周 |\r
| `"营业日期(星期)"` | 按星期几汇总 | 星期六 |\r
\r
```json\r
"row": ["营业日期(月)"]   // 按月看趋势\r
"filters": [{"name": "营业日期(年)", "op": "IN", "value": ["2026"]}]  // 筛选2026年\r
```\r
\r
## filterType 速查\r
\r
| 类型 | 含义 | 示例 |\r
|------|------|------|\r
| `EQ` | 等于 | `["A品牌"]` |\r
| `NE` | 不等于 | `["闭店"]` |\r
| `IN` | 在列表中 | `["上海市","北京市"]` |\r
| `NI` | 不在列表中 (Not In) | `["闭店","未开业"]` |\r
| `BT` | 范围 | `["2025-01-01","2025-12-31"]` |\r
| `GT` | 大于 | `["100"]` |\r
| `GE` | 大于等于 | `["100"]` |\r
| `LT` | 小于 | `["100"]` |\r
| `LE` | 小于等于 | `["100"]` |\r
| `CONTAINS` | 包含 | `["万达"]` |\r
| `IS_NULL` | 为空 | `[]` |\r
| `NOT_NULL` | 不为空 | `[]` |\r
\r
## 建卡示例\r
\r
**示例0：汇总值（row 为空） — 拿总计不拆维度**\r
```bash\r
# row=[] 不分组，直接返回汇总值，不会截断\r
$SCRIPT create-and-get '{"name":"汇总","ds_id":"\x3Cdataset_id>","chart_type":"BASIC_COLUMN","pg_id":"\x3Cpage_id>","row":[],"metric":[{"name":"毛营业额","aggr":"SUM"}],"filters":[{"name":"日结日期","op":"BT","value":["2026-03-16","2026-03-22"]}]}'\r
# 输出: 毛营业额: 313230258.42\r
# 卡片保留供复核，用户要求清理时再 delete-cards\r
```\r
\r
**示例1：指标卡 — 2月消费会员数**\r
```bash\r
$SCRIPT create-and-get '{"name":"2月消费会员数","ds_id":"\x3Cdataset_id>","chart_type":"SINGLE_VALUE","pg_id":"页面ID","metric":[{"name":"会员id","aggr":"CNT_DISTINCT"}],"filters":[{"name":"营业日期","op":"BT","value":["2026-02-01","2026-02-28"]}]}'\r
# 输出: 会员id: 252335\r
```\r
\r
**示例2：柱状图 — 各城市毛营业额（按营业额降序）**\r
```bash\r
$SCRIPT create-and-get '{"name":"各城市毛营业额","ds_id":"\x3Cdataset_id>","chart_type":"BASIC_COLUMN","pg_id":"页面ID","row":["城市"],"metric":[{"name":"毛营业额","aggr":"SUM"}],"filters":[{"name":"营业日期","op":"BT","value":["2026-01-01","2026-02-28"]}],"sorting":[{"name":"毛营业额","order":"DESC"}]}'\r
# 输出: 毛营业额: ['2323360', '8483271', ...]  维度: ['南京市', '南通市', ...]\r
```\r
\r
**示例3：交叉表 — 各城市×月份营业额（按城市+月份排序）**\r
```bash\r
$SCRIPT create-and-get '{"name":"城市×月份营业额","ds_id":"\x3Cdataset_id>","chart_type":"PIVOT_TABLE","pg_id":"页面ID","row":["城市"],"column":["营业日期(月)"],"metric":[{"name":"毛营业额","aggr":"SUM"}],"filters":[{"name":"营业日期","op":"BT","value":["2025-01-01","2026-02-28"]}],"sorting":[{"name":"城市","order":"ASC"},{"name":"营业日期(月)","order":"ASC"}]}'\r
# 输出: [城市 ,月份 ,毛营业额].....['上海','2025-01','123232323'],['上海','2025-02','1230232333'].....\r
# 排序: 先按城市名正序，再按月份正序\r
```\r
\r
**示例4：多条折线图 — 各渠道月趋势**\r
```bash\r
$SCRIPT create-and-get '{"name":"渠道月趋势","ds_id":"\x3Cdataset_id>","chart_type":"MULTI_LINE","pg_id":"页面ID","row":["营业日期(月)"],"column":["销售类型名称"],"metric":[{"name":"毛营业额","aggr":"SUM"}],"filters":[{"name":"营业日期","op":"BT","value":["2025-01-01","2026-02-28"]}]}'\r
```\r
\r
**示例5：组合图（柱+线） — 营业额柱状+消费人数折线**\r
```bash\r
$SCRIPT create-and-get '{"name":"营业额与用餐人数","ds_id":"\x3Cdataset_id>","chart_type":"STACKED_COLUMN_WITH_LINE","pg_id":"页面ID","row":["营业日期(月)"],"column":["销售类型名称"],"metric":[{"name":"毛营业额","aggr":"SUM"}],"metric_additional":[{"name":"用餐人数","aggr":"SUM"}],"filters":[{"name":"营业日期","op":"BT","value":["2026-01-01","2026-02-28"]}]}'\r
```\r
\r
**示例6：气泡图 — 各门店营业额vs实收金额（按城市着色，气泡大小=用餐人数）**\r
```bash\r
$SCRIPT create-and-get '{"name":"门店气泡图","ds_id":"\x3Cdataset_id>","chart_type":"BASIC_BUBBLE","pg_id":"页面ID","row":["城市","门店"],"metric":[{"name":"毛营业额","aggr":"SUM"},{"name":"菜品实收金额","aggr":"SUM"}],"size_by":[{"name":"用餐人数","aggr":"SUM"}],"color_by":[{"name":"城市"}],"filters":[{"name":"营业日期","op":"BT","value":["2026-01-01","2026-02-28"]}]}'\r
# row=维度标签, metric[0]=x, metric[1]=y, color_by=颜色分组, size_by=气泡大小\r
```\r
\r
## 完整工作流示例\r
\r
**需求：做一张「2026年2月各城市外卖销售类型毛营业额 TOP10」交叉表**\r
\r
```bash\r
# Step 1: 通过表id查字段，确认可用字段\r
$SCRIPT get-columns \x3Cdataset_id>\r
# → 确认: 城市(DIM), 毛营业额(METRIC), 销售类型名称(DIM), 营业日期(DATE)\r
\r
# Step 2: 查枚举值（因为用了 IN/EQ 筛选，必须查）\r
$SCRIPT search-values \x3Cdataset_id> --name "销售类型名称" --search "外卖"\r
# → 确认值是 "外卖"\r
\r
# Step 3: 建交叉表，自动取数\r
$SCRIPT create-and-get '{"name":"2月外卖各城市毛营业额","ds_id":"\x3Cdataset_id>","chart_type":"PIVOT_TABLE","pg_id":"\x3Cpage_id>","row":["城市"],"column":["销售类型名称"],"metric":[{"name":"毛营业额","aggr":"SUM"}],"filters":[{"name":"营业日期","op":"BT","value":["2026-02-01","2026-02-28"]},{"name":"销售类型名称","op":"EQ","value":["外卖"]}],"sorting":[{"name":"毛营业额","order":"DESC"}]}'\r
```\r
\r
> 💡 如果只做日期或数值筛选（无分类筛选），跳过 Step 2，两步搞定。\r
\r
\r
\r
## 错误处理\r
\r
| 状态码 | 处理 |\r
|--------|------|\r
| 500 | 终止，服务器问题 |\r
| 401 | 终止，登录失效 |\r
| 403 | 终止，无权限 |\r
| 404 | 终止，资源不存在 |\r