← 返回 Skills 市场
fandywang87

深度技术报告生成器

作者 fandywang87 · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ⚠ suspicious
19
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install tech-report-generator
功能描述
面向新人培训的深度技术报告生成器。输入任意技术点(如 FlashAttention、MoE、LoRA、RLHF 等), 自动产出结构化技术报告(Markdown + HTML),包含丰富的 SVG 可视化图示, 并自动同步至 IMA 知识库和腾讯文档。适用于:生成技术报告、创建培训材料、产出技术分享文档、 写技术...
使用说明 (SKILL.md)

深度技术报告生成器

输入任意技术点,自动产出高质量结构化技术报告(含 SVG 可视化),并同步到 IMA 知识库和腾讯文档。

设计理念

  • 面向新人友好:由浅入深,先建立直觉再深入细节
  • 图文并茂:每个核心概念配 SVG 可视化图示,降低理解门槛
  • 双格式产出:Markdown(便于版本管理)+ HTML(便于分享阅读)
  • 自动分发:一键同步至 IMA 知识库和腾讯文档

报告生成流程

Phase 1:需求分析

收到用户的技术主题后,确认以下信息:

  1. 技术主题:明确要讲解的技术点
  2. 目标受众:新人培训 / 团队分享 / 技术备忘(默认:新人培训)
  3. 深度级别:入门科普 / 原理详解 / 源码级(默认:原理详解)
  4. 额外要求:是否需要对比分析、版本演进、适用场景扩展等

Phase 2:报告结构设计

按以下通用模板组织章节(根据具体技术灵活调整):

1. 背景与动机
   - 解决什么问题?为什么现有方案不够好?
   - 直觉建立:用类比/对比让读者快速理解核心矛盾

2. 核心思想
   - 一句话总结(核心 insight)
   - 关键技术拆解(2-3 个核心技术点)
   - 对比表格:旧方案 vs 新方案

3. 关键技巧 / 数学原理
   - 核心公式推导(保持简洁,逐步展开)
   - 为什么这样设计(直觉解释)

4. 完整算法 / 系统流程
   - 伪代码或流程图
   - 前向 + 反向(如适用)

5. 性能分析
   - 复杂度对比表格
   - 实验数据 / Benchmark 结果
   - 加速效果图

6. 适用范围与变体
   - 支持哪些场景/变体
   - 对比表格(各变体支持情况)
   - 限制条件

7. 版本演进(如适用)
   - 时间线图
   - 各版本关键改进

8. 一页总结
   - 核心要点浓缩
   - 推荐阅读资源

Phase 3:SVG 可视化图示设计

核心原则:每个关键概念至少配一张图

必备图示类型(按优先级)

优先级 图示类型 适用场景 示例
P0 架构对比图 新旧方案对比 标准 Attention vs FlashAttention
P0 流程图/流水线 算法步骤展示 前向计算流程
P1 原理示意图 数学/物理直觉 Online Softmax 增量更新
P1 层级/结构图 系统架构 GPU 内存层级
P2 趋势图/性能图 性能对比 IO 复杂度随 N 变化
P2 全景图 生态/变体总览 Attention 变体支持矩阵
P3 时间线图 版本演进 v1 → v2 → v3

SVG 设计规范

画布尺寸:viewBox="0 0 800 [高度按内容]"
配色方案:
  - 主色:#6C5CE7(紫色系,用于标题/强调)
  - 辅色:#00B894(绿色系,用于正面/改进)
  - 对比色:#E17055(橙红系,用于问题/瓶颈)
  - 中性色:#636E72(灰色系,用于说明文字)
  - 背景:#F8F9FA(浅灰)或 #FFFFFF(白色)

字体:font-family="system-ui, -apple-system, sans-serif"
圆角:rx="8" ry="8"(所有矩形统一)
阴影:使用 \x3Cfilter> 添加微阴影提升层次感
动画:适当使用 CSS animation 增加交互感(可选)

SVG 图示数量指引

报告规模 建议图示数量 说明
入门科普(2-3页) 3-4 张 核心概念+对比+流程
原理详解(5-8页) 5-7 张 覆盖所有关键章节
源码级深入(8+页) 8-10 张 每个细节都有图示支撑

Phase 4:双格式产出

Markdown 版本

  • 清晰的目录结构(带锚点链接)
  • 表格化对比信息
  • 代码块包裹公式和伪代码
  • 图示位置用 【图示:描述】 占位标注
  • 文件命名:{技术主题}技术报告.md

HTML 版本(核心交付物)

  • 将所有 SVG 图示内联嵌入对应章节位置
  • 响应式布局(max-width: 920px 居中)
  • 统一设计语言:
    body { font-family: system-ui; line-height: 1.8; background: #f8f8f6; }
    .container { max-width: 920px; background: #fff; border-radius: 12px; padding: 3rem; }
    h2 { border-bottom: 2px solid #EEEDFE; }
    table { border-collapse: collapse; width: 100%; }
    th { background: #6C5CE7; color: white; }
    .highlight-box { background: #f0efff; border-left: 4px solid #6C5CE7; padding: 1rem; }
    
  • 文件命名:{技术主题}技术报告.html

元信息标注(必须)

在报告头部包含:

**面向新人培训** | {日期}
**报告生成模型**:AI 智能编程助手
**目标**:{一句话描述报告目标}

Phase 5:自动同步分发

5.1 同步至 IMA 知识库

目标知识库:「龙虾-模型ScalingUp」(kb_id: 6peD1tTQj2UYi41MTaDgLpfVnbCegcA-sjzZLJ0zVPA=)

流程:

  1. 调用 ima-skills 的 preflight-check 验证连接
  2. 调用 check_repeated_names 避免重复
  3. 调用 create_media 获取上传凭证
  4. 使用 curl PUT 上传文件到 COS
  5. 调用 add_knowledge 完成入库

上传文件:Markdown 版本(便于知识库索引检索)

5.2 同步至腾讯文档

使用 mcp__tencent-docs__create_smartcanvas_by_mdx 工具:

  • content_format: "markdown"
  • title: 报告标题
  • mdx: Markdown 正文内容

注意:腾讯文档对 Markdown 的渲染有限,SVG 图示主要在 HTML 版呈现。

Phase 6:质量检查清单

生成完毕后逐条检查:

  • 章节结构完整,由浅入深
  • 每个核心概念有对应 SVG 图示
  • 所有表格格式正确,信息对齐
  • 公式推导步骤完整且有直觉解释
  • HTML 中 SVG 正确内联且渲染正常
  • 元信息(日期、模型版本)已标注
  • 已同步至 IMA 知识库
  • 已同步至腾讯文档
  • 无未完成的占位符

适配指南

不同技术主题的章节调整

技术类型 重点章节 可选省略
算法/模型(FlashAttention, MoE) 数学原理 + 性能分析
系统架构(vLLM, TensorRT) 系统流程 + 性能对比 数学推导可简化
训练方法(RLHF, DPO) 核心思想 + 对比分析 版本演进
工具/框架(DeepSpeed, Megatron) 使用流程 + 配置项 数学推导

图示风格统一规范

所有 SVG 图示必须遵循统一设计语言,确保系列报告的视觉一致性:

  • 标题字号:18-20px,加粗
  • 正文字号:13-14px
  • 矩形圆角统一 rx="8"
  • 颜色不超过 5 种主色
  • 留白充足,避免拥挤

前置依赖

必须安装的 Skill

  • ima-skills(或 腾讯ima)— 用于上传到 IMA 知识库

可选但推荐的 Skill

  • 腾讯文档 — 用于同步到腾讯文档

示例用法

用户: 帮我生成一份 MoE (Mixture of Experts) 的技术报告,面向新人培训

Agent 执行:
1. 确认主题和深度 → MoE,原理详解级
2. 设计 7 章结构 → 稀疏激活背景/门控机制/负载均衡/训练策略/性能分析/变体对比/应用案例
3. 设计 6 张 SVG → 密集vs稀疏对比图/门控路由示意/负载均衡策略/训练流程/扩展性曲线/MoE变体全景
4. 产出 Markdown + HTML
5. 同步至 IMA + 腾讯文档
6. 质量检查 → 交付
安全使用建议
Install only if you trust the IMA/Tencent integrations and the fixed target knowledge base. Before using it, confirm where reports will be uploaded, use least-privilege credentials, avoid sensitive content unless appropriate, and require a manual approval step before synchronization.
功能分析
Type: OpenClaw Skill Name: tech-report-generator Version: 1.0.0 The skill bundle automates technical report generation and synchronization with external platforms like IMA and Tencent Docs. It is classified as suspicious because 'sync-workflow.md' contains explicit instructions for the AI agent to read sensitive credentials from the local filesystem (~/.config/ima/client_id and api_key) and use them in shell-based curl commands to an external API (api.ima.qq.com). While this behavior is documented and aligned with the stated purpose, the practice of handling raw secrets via shell execution and the use of a hardcoded knowledge base ID (kb_id: 6peD1tTQj2UYi41MTaDgLpfVnbCegcA-sjzZLJ0zVPA=) pose a significant security risk if the endpoints or IDs are redirected.
能力标签
cryptorequires-sensitive-credentials
能力评估
Purpose & Capability
The report-generation purpose is coherent, but the workflow bundles report creation with automatic external distribution to a named IMA knowledge base and Tencent Docs, which is higher impact than local document generation.
Instruction Scope
The instructions make synchronization part of the normal completion flow and checklist, without clearly requiring a final user approval, user-selected destination, dry run, or rollback path.
Install Mechanism
This is instruction-only and has no code/static findings, but it depends on external skills and API/MCP tools that are not captured by an install spec.
Credentials
The synchronization reference reads local IMA API credential files and uses external API calls, while the registry metadata declares no primary credential, environment variables, or required config paths.
Persistence & Privilege
Generated Markdown is added to an indexed knowledge base and Tencent Docs, creating persistent account/workspace content with unclear sharing, retention, and deletion boundaries.
如何使用
  1. 确保已安装 OpenClaw(本地或 Docker 部署)
  2. 在对话框中输入安装命令:/install tech-report-generator
  3. 安装完成后,直接呼叫该 Skill 的名称或使用 /tech-report-generator 触发
  4. 根据 Skill 的参数说明提供必要输入,即可获得结构化输出
版本历史
v1.0.0
Initial release: 6-phase tech report generator with SVG visualizations, dual-format output (MD+HTML), IMA & Tencent Docs sync
元数据
Slug tech-report-generator
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

深度技术报告生成器 是什么?

面向新人培训的深度技术报告生成器。输入任意技术点(如 FlashAttention、MoE、LoRA、RLHF 等), 自动产出结构化技术报告(Markdown + HTML),包含丰富的 SVG 可视化图示, 并自动同步至 IMA 知识库和腾讯文档。适用于:生成技术报告、创建培训材料、产出技术分享文档、 写技术... 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件,目前累计下载 19 次。

如何安装 深度技术报告生成器?

在 OpenClaw 或 Claude Code 对话框中运行命令「/install tech-report-generator」即可一键安装,无需额外配置。

深度技术报告生成器 是免费的吗?

是的,深度技术报告生成器 完全免费,采用 MIT-0 许可证,可自由下载、安装和使用。

深度技术报告生成器 支持哪些平台?

深度技术报告生成器 跨平台运行,可在任意部署了 OpenClaw / Claude Code 的环境中使用(cross-platform)。

谁开发了 深度技术报告生成器?

由 fandywang87(@fandywang87)开发并维护,当前版本 v1.0.0。

💬 留言讨论