云信聊天记录落 Excel

概览

把聊天内容先分析成结构化问题记录，再追加写入本地 Excel 台账。

优先处理用户直接提供的聊天内容或截图；若一段聊天里有多个独立问题，必须拆成多条记录。

工作流

1. 读取输入

支持以下输入：

纯文本聊天记录
JSON 数组形式对话，例如 [ {"昵称":"内容"}, ... ]
聊天截图或图片

如果是截图：

先直接阅读图片内容并提取对话；能看清就不要额外折腾 OCR。
一张图里如果有多个会话块、多个时间段或多个话题，先按会话块拆开再分析。
若图片不清晰、关键文字缺失，明确告诉用户哪些部分无法辨认，并在最终结果里标注低置信度。

2. 加载分类规则

读取 references/classification-prompt.txt，按里面的枚举和判断口径执行。

必须遵守：

信息不足时，也输出最可能的分类，不留空。
跟进策略判断要偏保守；拿不准时填 无。
增长机会只允许：addon feature、addon purchases、无。
风险只允许：attrition risk、customer risk、Commercial risk、无。

3. 识别问题边界

先区分客服和客户，再按"独立问题"拆分。

拆分原则：

不同产品线、不同故障、不同咨询目标，拆成不同记录。
同一问题的追问、补充信息、定位过程，合并成一条记录。
如果一段聊天同时包含"排查 bug + 询价增购"，至少拆成两条。
更细的拆分口径见 references/splitting-rules.md。

建议优先提取：

公司名称：优先级最高，能识别就单独写出
群名称：如果是群沟通，尽量单独写出
公司名称：优先级最高，能识别就单独写出
群名称：如果是群沟通，尽量单独写出
客服：负责人、值班号、昵称
发送者昵称：非云信人员的昵称，后续要用于建立历史绑定
问题摘要：1~2 句话写清问题本身，不写寒暄
原始聊天摘要：保留能支撑分类判断的简短上下文

强约束：

每条记录必须至少识别出"公司名称"或"群名称"其一。
如果当前聊天里没有识别到，就先查历史昵称绑定；若仍无法确认，必须要求用户补充后才能继续录入。
详细规则见 references/entity-binding-rules.md。

4. 先产出结构化 JSON

先在当前工作目录写一个 JSON 文件，再调用脚本写入 Excel。

推荐文件名：chat_issue_records.json

JSON 顶层使用数组。每条记录至少要包含下面这些字段；其中 公司名称、群名称 至少填一个：

[
  {
    "记录时间": "2026-04-02 14:30:00",
    "来源类型": "聊天截图",
    "来源文件": "wechat-chat-2026-04-02.png",
    "公司名称": "某公司",
    "群名称": "某项目对接群",
    "发送者昵称": "张三",
    "客服": "石志诚",
    "问题序号": 1,
    "问题摘要": "Android 端 IM V10 登录后收不到离线消息。",
    "咨询分类": "bug 问题",
    "业务类型": "IM V10",
    "平台类型": "Android",
    "跟进策略": "转产研优化",
    "跟进策略理由": "从聊天看已排除接入错误，现象稳定复现，更像 SDK 缺陷。",
    "增长机会": "无",
    "增长机会理由": "对话里没有出现增购或用量增长信号。",
    "风险": "customer risk",
    "风险理由": "客户表达了明显不满并连续催促处理进度。",
    "原始聊天摘要": "客户反馈 10.3.x 版本在弱网切前后台后无法收到离线消息，客服建议抓日志。"
  }
]

5. 追加写入 Excel

使用脚本：scripts/append_to_excel.py

命令格式：

python3 <skill_dir>/scripts/append_to_excel.py --input <json文件> --output <xlsx文件>

默认建议：

JSON 输出：当前工作目录下 chat_issue_records.json
Excel 输出：/Users/hzfangtiankui/网易/yunxin-chat-issues.xlsx

脚本行为：

如果 Excel 不存在，会自动创建并写入表头。
如果 Excel 已存在，会直接在末尾追加新记录。
写入前会校验：每条记录必须至少带有公司名称或群名称其一。
每次写入后，自动刷新一个 统计汇总 工作表，按咨询分类、业务类型、平台类型、跟进策略、增长机会、风险统计数量。
写入成功后，再用 scripts/update_sender_bindings.py 更新"发送者昵称 -> 公司/群名"历史绑定。

6. 同步到在线表格（可选）

如果用户配置了在线表格同步，写入本地 Excel 后自动同步到在线表格。

使用脚本：~/.openclaw/workspace/scripts/sync_issue_ledger.py

命令格式：

python3 ~/.openclaw/workspace/scripts/sync_issue_ledger.py

支持的在线表格平台：

飞书多维表格（推荐）
POPO 文档（待支持）
腾讯文档（待支持）

配置方法：

编辑 ~/.openclaw/workspace/data/sync-config.env
填写对应平台的 API 凭证
下次写入 Excel 时会自动同步

同步行为：

生成 Markdown 和 JSON 格式备份
尝试同步到配置的在线表格
同步失败时不影响本地 Excel 写入

7. 向用户汇报

汇报时至少说清：

本次共写入多少条问题记录
Excel 保存路径
如果聊天被拆成多条，简要说明拆分结果
如果有看不清的截图内容或低置信度分类，明确标出来
如果因为缺少公司名/群名而未录入，要明确告诉用户缺的是什么

输出建议

推荐把 Excel 作为长期台账文件反复追加。当前默认长期保存位置：

/Users/hzfangtiankui/网易/yunxin-chat-issues.xlsx

如需分季度或分项目，也可以改成：

/Users/hzfangtiankui/网易/yunxin-chat-issues-2026Q2.xlsx
/Users/hzfangtiankui/网易/某客户/yunxin-chat-issues.xlsx

如果用户一次发来多张截图：

可以先统一分析成一个 JSON 数组；
再一次性写入 Excel，减少碎片化写入。

质量要求

不要把整段聊天原文一股脑塞进"问题摘要"。
分类值尽量使用枚举原文，不要自创近义词。
判断理由要短，但要能说明为什么这样归类。
如果图片里包含多个会话，先按会话拆，再按问题拆。
如果用户一次给了多份聊天内容，可以合并写入同一个 Excel。

资源

references/

classification-prompt.txt：分类枚举、判断口径、客服名单。
splitting-rules.md：一段聊天拆多条记录的细化规则。
entity-binding-rules.md：公司/群名必填、发送者昵称绑定与历史提示规则。

scripts/

append_to_excel.py：把结构化 JSON 追加写入本地 Excel 台账，并自动刷新统计汇总页。
update_sender_bindings.py：把非云信人员发送者昵称与公司/群名历史绑定写入本地 JSON，供下次提示候选项。

yunxin-chat-issue-ledger