grahama1970/batch-report

Batch Report Skill – Fähigkeit zur Batch-Berichterstellung

Erstellen Sie umfassende Analyseberichte für abgeschlossene Batch-Verarbeitungsjobs.

Funktionen

• Manifestanalyse – Erfolge, Fehler und teilweise Abschlüsse zählen
• Zeitaufschlüsselung – Latenzanalyse pro Schritt, Engpässe identifizieren
• Fehlermuster – Fehlermodi kategorisieren und zusammenfassen
• Qualitätsmetriken – Beispielausgaben zur Qualitätsbewertung
• Markdown-Bericht – Für Menschen lesbare Zusammenfassung
• Agenten-Inbox-Integration – Automatischer Versand an die Projekt-Inbox

Schnellstart

cd .pi/skills/batch-report

# Bericht für Extractor-Batch erstellen (Format wird automatisch erkannt)
uv run python report.py analyze /pfad/zum/batch/ausgabe

# Bericht erstellen und an Agenten-Inbox senden
uv run python report.py analyze /pfad/zum/batch/ausgabe --send-to extractor

# Nur zusammenfassende Statistiken anzeigen
uv run python report.py summary /pfad/zum/batch/ausgabe

# Eine eigenständige Zustandsdatei analysieren
uv run python report.py state /pfad/zur/.batch_state.json

# JSON-Ausgabe zur Weiterleitung
uv run python report.py summary /pfad/zum/ausgabe --json | jq .success_rate

Befehle

analyze – Vollständiger Analysebericht

uv run python report.py analyze /pfad/zum/ausgabe \
    --output report.md \
    --send-to extractor \
    --priority high

Optionen:

Option	Kurzform	Beschreibung
--output	-o	Ausgabedateipfad (Standard: stdout)
--send-to	-s	Bericht an Agenten-Inbox-Projekt senden
--priority	-p	Priorität für Agenten-Inbox (low/normal/high/critical)
--sample	-n	Anzahl der einzubeziehenden Stichproben (Standard: 5)
--format	-f	Batch-Format: extractor, youtube, generic, auto (Standard: auto)
--json	-j	Ausgabe als JSON zur Weiterleitung an andere Tools

summary – Nur Kurzstatistiken

uv run python report.py summary /pfad/zum/ausgabe
uv run python report.py summary /pfad/zum/ausgabe --json

Ausgabe:

Batch: run-2025-12-18_144426-2eb428c
Gesamt: 230 | Erfolg: 180 | Fehlgeschlagen: 35 | Teilweise: 15
Erfolgsrate: 78,3%
Durchschn. Zeit: 4,2 min | Langsamster: 09_section_summarizer (45%)

JSON-Ausgabe:

{
  "batch": "run-2025-12-18_144426-2eb428c",
  "format": "extractor",
  "total": 230,
  "successful": 180,
  "partial": 15,
  "failed": 35,
  "success_rate": 78.3,
  "avg_time_min": 4.2
}

state – Eigenständige Zustandsdateien analysieren

uv run python report.py state /pfad/zur/.batch_state.json
uv run python report.py state /pfad/zur/.batch_state.json --json

Funktioniert mit jeder .batch_state.json-Datei eines beliebigen Batch-Jobs.

failures – Fehler mit Gründen auflisten

uv run python report.py failures /pfad/zum/ausgabe
uv run python report.py failures /pfad/zum/ausgabe --json

Berichtsformat

# Batch-Bericht: run-2025-12-18_144426-2eb428c

## Zusammenfassung
- **Gesamtanzahl Objekte:** 230
- **Erfolgreiche:** 180 (78,3%)
- **Fehlgeschlagene:** 35 (15,2%)
- **Teilweise:** 15 (6,5%)

## Zeitanalyse
| Schritt | Durchschn. (s) | Max (s) | % der Gesamtzeit |
|---------|----------------|---------|------------------|
| 09_section_summarizer | 120,5 | 341,0 | 45,2% |
| 05_table_extractor | 65,3 | 105,0 | 24,5% |
...

## Fehlermuster
| Muster | Anzahl | Beispiel |
|--------|--------|----------|
| Leeres text_content | 12 | 047ca6ef... |
| CUDA OOM | 5 | 9497a4e5... |
...

## Empfehlungen
1. Erwägen Sie den --text-only-Modus für die Wissensextraktion
2. Fügen Sie einen Tabellen-Konfidenzschwellwert vor der VLM hinzu
...

Visualisierung

Nach der Erstellung von Berichten (insbesondere mit --json) können Sie die Visualisierung über /create-figure anbieten:

# Zeit-Wasserfall nach Pipeline-Schritt
create-figure metrics --input batch.json --output timing.png --type hbar --title "Schritt-Zeiten"

# Erfolgs-/Fehlerverteilung
create-figure metrics --input batch.json --output results.png --type pie --title "Batch-Ergebnisse"

# Fehlermuster-Aufschlüsselung
create-figure metrics --input batch.json --output failures.png --type bar --title "Fehlermuster"

Wann anbieten: Nach der Präsentation der Batch-Analyse fragen: „Möchten Sie die Zeitaufschlüsselung visualisieren?“

Unterstützte Batch-Formate

Das --format-Flag akzeptiert: extractor, youtube, generic oder auto (Standard).

Logik zur automatischen Erkennung:

1. Wenn */manifest.json und */timings_summary.json existieren → extractor
2. Wenn .batch_state.json „transcript“ in der Beschreibung enthält → youtube
3. Wenn .batch_state.json existiert → generic

Extractor-Batches

Erwartet:

• */manifest.json – Manifestdateien pro Objekt
• */timings_summary.json – Zeitdaten
• */14_report_generator/json_output/final_report.json – Qualitätsmetriken
• failed_urls.txt – Liste der fehlgeschlagenen Objekte

YouTube-Transkript-Batches

Erwartet:

• .batch_state.json – Zustandsdatei mit transkriptbezogener Beschreibung

Generische Batches

Erwartet:

• .batch_state.json – Zustandsdatei mit abgeschlossenen/fehlgeschlagenen Zählungen
• *.log-Dateien zur Fehleranalyse (optional)

Integration mit der Agenten-Inbox

# Bericht als Fehler senden
uv run python report.py analyze /pfad/zum/ausgabe \
    --send-to extractor \
    --priority high

# Nachricht gesendet: extractor_abc123

Abhängigkeiten

dependencies = [
    "typer",
    "rich",
]