代工厂质量分析，用这个技能一键搞定
做质量的都知道，代工厂的质量数据看着简单，真要分析起来头大得很。不同表里字段名字不一样，今天用这个名，明天换个叫法，再加上客退数据、不良分布、基线对比……手动搞一遍，半天就没了。
最近我在 GitHub 上发现了一个好东西，就是 quality-agent 仓库里的 factory-analysis 技能，专门干这事的。它能把代工厂质量分析流程标准化，从查数据到出报告一条龙，省心不少。
这技能到底能干嘛？
说白了，就是帮你回答三个问题：
这家工厂整体质量怎么样？
客退都集中在哪些问题？
跟基线比是达标还是超标？
技能会按你的要求，在 return_data 表里按 production_factory 过滤出该工厂的客退数据，然后统计不良原因和不良物料的分布。接着它会去读 knowledge/质量基线标准.md 做对比，最后输出综合评价和改善建议。整个过程全自动，你只需要指定工厂名就行。
安装过程，比想象中简单
这个技能是标准的 Skill 项目，安装命令就一条：
npx skills add https://github.com/youyouguoke/quality-agent --skill factory-analysis前提是你电脑上装了 Node.js 和 npx，这个一般搞开发的朋友都有。装完就能用，没有复杂的配置。
字段命名差异，它都处理好了
用过多个数据表的同学都懂，最坑的就是字段名对不上。在 sn_quality_data 里工厂叫 foundry，到了 return_data 里叫 production_factory，supplier_quality_iqc 里又变成 factory_name。手动写查询的时候，每张表都得单独处理，特别容易出错。
这个技能把这些差异都内置了，自动识别，你不用担心名称混乱的问题。这一点我觉得设计得挺贴心的，毕竟实际工作中这是最大的痛点。
输出报告，结构很清晰
跑完分析后，它输出的报告分四块：
工厂基本情况：展示工厂名称和关键指标（直通率、不良率、退货率）；
退货分析：该工厂生产产品的退货分布；
基线对比：跟标准比，标注等级；
综合评价与建议：给出评价和改善方向。
这个结构挺合理的，从整体到细节，再到改进，层次分明。拿到报告就能直接用，不用再自己整理。
实际用起来咋样？
我试了一下，感觉对质量团队来说，这技能能省不少重复劳动。尤其是月度例行分析，以前每周都要花大半天整理数据，现在跑一下脚本就出来了。而且它还能帮你发现一些容易忽略的细节，比如某个不良物料在特定工厂的集中度特别高，这类问题光靠肉眼很难发现。
当然，它也不是万能的。你得保证数据表结构跟它预期的差不多，如果字段名特别另类，可能还得自己改改代码。另外，基线标准文件得放在指定路径，不然对比那块会报错。
一些使用小建议
- 第一次用之前，先确认数据表里有 return_data 表，并且包含 production_factory 字段，否则查询会失败。
- 把 knowledge/质量基线标准.md 维护好，对比结果才有意义，别用过期标准。
- 如果工厂很多，建议一次只查一个，报告输出更清爽，也方便横向对比。
- 配合可视化工具，把输出的趋势数据画成图，效果更好。
总之，这个技能对经常要做代工厂质量分析的朋友来说，是个不错的帮手。安装简单，功能实用，最关键的是能少掉不少头发。有需要的可以去看看，反正代码是开源的，白嫖不亏哈哈。
