SKILL.md - SalesClaw v3.0

医药销售业务本体数据库 v3.0（138张表）。

核心理念：用户问题 → NL2SQL → SQL 模板复用 → 归因分析

数据库连接

| 项目 | 值 |
|------|---|
| Host | localhost |
| Port | 3306 |
| User | ontology |
| Database | salesclaw |
| 连接管理 | tools/db.py（get_conn() / query_all() / query_one()）|

from db import query_all, query_one
rows = query_all("SELECT * FROM dim_products LIMIT 5")

知识库

路径: ~/.openclaw/workspace/skills/salesclaw/knowledge/

knowledge/
├── index.md                      ← 总索引
├── entities/                     ← 138张表的字段说明（doctors/hospitals/dim_products/...）
├── concepts/                     ← 业务概念（three-layer-attribution / expense-red-green / ...）
└── sql_templates/               ← 沉淀的 SQL 模板（NL2SQL 复用）

SQL 模板（高频问题沉淀）

| 模板 ID | 适用问题 | 优先级 |
|---------|---------|--------|
| prescription_trend | 品种趋势/处方量下滑/环比 | P0 |
| expense_red_green | 费用异常/DeltaWeight/红黄灯 | P0 |
| rep_performance | 代表绩效/红黄牌/达成率 | P0 |
| target_attainment | 区域达成/缺口分析 | P1 |
| hospital_access | 进院情况/VBP覆盖 | P1 |
| prescription_penetration | 渗透率/覆盖率/上量空间 | P1 |
| doctor_profile | 医生档案/KOL识别 | P1 |
| data_overview | 数据概览/记录数检查 | P2 |

三层归因模型（归因分析标准方法论）

结构归因（What - 规模维度）

问题：失血发生在哪个结构单元？

分析方向：

• 品种维度：哪个品种贡献主要失血？
• 省区维度：大区 → 省区 → 地区逐层下探
• 时间维度：定位断崖点（哪个月开始下滑）
• 医院层级：一级/二级/三级分层

-- 定位省区处方量贡献（结构归因第一步）
SELECT province,
       SUM(prescription_volume) as vol,
       SUM(prescription_volume) / SUM(SUM(prescription_volume)) OVER () * 100 as share_pct
FROM fct_prescription_flow
WHERE product_id = :product_id
GROUP BY province
ORDER BY vol DESC;

行为归因（Why - 驱动维度）

问题：结构单元的失血是因为什么行为变化？

分析方向：

• 覆盖行为：流向医院数是否下降？
• 拜访行为：代表拜访频次是否下降？
• 竞品行为：竞品是否有学术活动/准入变化？
• 通道行为：医院准入/招标是否有变化？

决策归因（Who - 责任维度）

问题：谁（哪个代表/哪条线）应对变化负责？

分析方向：

• 个人分层：Top/Bottom 代表分层对比达成率
• 分管人责任：区域经理覆盖效率是否达标
• 组织连带：区域负责人是否尽到管理责任

DeltaWeight 计算规范（费用告警标准）

DeltaWeight = 某省区某费用类型占比 - 全国该费用类型占比

省区费用占比 = 该省该费用类型金额 / 该省费用总额
全国费用占比 = 该费用类型金额 / 全国费用总额

| 告警级别 | 阈值 | 响应时间 |
|---------|------|---------|
| 🔴 红灯 | DeltaWeight ≥ 30ppt | 24h |
| 🟡 黄灯 | DeltaWeight ≥ 15ppt | 1周 |

诊断会话表（归因推理引擎）

| 表 | 用途 |
|------|------|
| fct_diagnosis_session | 每次告警触发一次诊断会话 |
| fct_reasoning_step | 每层归因的每一步记录 |
| dim_diagnosis_rules | 诊断规则模板（5条预置）|
| conclusions | 归因结论输出 |

核心关系边（星型拓扑，以 ontology_objects 为中心）

ontology_objects.id（中心节点）
    ↓
    ├── object_links（关系边：代表←→医生、代表←→医院、竞品关系）
    ├── object_events（事件边：拜访、学术活动、处方事件）
    └── time_series_data（时序边：处方量趋势、费用趋势）

工具说明（Tools）

| 工具 | 文件 | 功能 |
|------|------|------|
| 业务路由器 | tools/ask.py | 意图识别 + 10大业务模块查询 |
| 推理引擎 | tools/inference.py | 三层归因诊断会话（structure→behavior→decision，含置信度传播+反例探测+Early Exit）|
| 知识 API | tools/knowledge.py | 统一知识消费：loadsqltemplate / loadentityschema / loadconcept / rendersql |
| 数据库连接 | tools/db.py | 连接池管理（超时重试+降级+错误透出）|
| 初始化 | tools/init_mysql.py | 从 init.sql 初始化 |

使用方式：用户问题 → NL2SQL → 常见问题沉淀为 SQL 模板；复杂推理链路（如三层归因）由工具封装。