weekly-report

OpenCode Skill — 自动生成结构化工作周报

---

功能

当你对 OpenCode 说「写周报」时，这个 skill 会：

• 从 OpenCode 的 SQLite 数据库 直接提取所有 session 记录（绕过内置 session_list 工具的项目路径限制）
• 扫描所有 .omo/plans/ 下的计划文件，统计 checkbox 完成进度
• 读取 boulder.json 识别当前活跃计划
• 按项目维度汇总，生成三个结构化 markdown 文件

week-report/2026-06-08_2026-06-14/
├── 01-工作周报.md        ← 按项目汇总已完成工作 + 量化统计
├── 02-未完成事项.md       ← 所有开放计划进度 + 预计完成时间
└── 03-协调与帮助.md       ← 跨项目依赖、资源需求、优先级建议

为什么直接读数据库

内置的 session_list 工具默认只返回当前工作目录的 session。如果你在不同项目之间切换（例如 ~/Documents/geo、~/.ws/OMRobot），它会漏掉其他项目的 session。

本 skill 直接 JOIN session + project + project_directory 三表查询，确保覆盖所有项目。

flowchart LR
    A[用户: 写周报] --> B[检测平台 Linux/Win]
    B --> C[定位 opencode.db]
    C --> D["JOIN session + project<br/>+ project_directory"]
    D --> E[按项目分组统计]
    E --> F[扫描 .omo/plans/ 进度]
    F --> G[读取 boulder.json 活跃计划]
    G --> H[生成 3 个 md 文件]

Loading

安装

两种安装方式，选一种即可。

面向人类：复制 Prompt 安装

把下面这段话发给你的 LLM agent，它会自动完成安装：

参考[INSTALL.md](https://raw.githubusercontent.com/ChiefTechLabs/weekly-report/main/INSTALL.md) 安装weekly-report这个skill

面向 LLM Agent

如果你是 LLM agent 在执行安装，参考 INSTALL.md，里面有完整的 Linux / Windows PowerShell 安装步骤和依赖检查逻辑。

手动安装（终端）

# Linux / macOS
mkdir -p ~/.agents/skills/weekly-report
curl -fsSL https://raw.githubusercontent.com/ChiefTechLabs/weekly-report/main/SKILL.md \
  -o ~/.agents/skills/weekly-report/SKILL.md

# Windows PowerShell
New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.agents\skills\weekly-report"
Invoke-WebRequest -Uri "https://raw.githubusercontent.com/ChiefTechLabs/weekly-report/main/SKILL.md" \
  -OutFile "$env:USERPROFILE\.agents\skills\weekly-report\SKILL.md"

安装后重启 OpenCode 即可生效。

使用方式

直接对 OpenCode 说：

触发短语	效果
「写周报」/「上周总结」	生成上周一至周日的报告
「本周工作汇报」	生成本周一至今天的报告
「weekly report」	同上（英文触发）
/weekly-report	显式调用 skill

输出默认保存到 ~/Documents/week-report/<日期范围>/。

输出示例

01-工作周报.md

## 一、Geo 内容平台
203 sessions / 17M tokens / $10.75 | 周三-周日

**已完成**
- 修复登录后返回登录页的循环跳转 bug
- 实现选题热度评分系统，接入真实百度指数数据
- 完成管理后台四大模块...

02-未完成事项.md

| 事项 | 计划文件 | 进度 | 预计完成 | 说明 |
|------|---------|------|---------|------|
| ▶ AI Chat 页面 | ai-chat-generate.md | 19/103 | 6/21 | 当前活跃计划 |
| LangChain Agent | langchain-agent.md | 0/12 | 待定 | 尚未启动 |

03-协调与帮助.md

## 跨项目依赖
| 依赖关系 | 阻塞方 | 被阻塞方 | 影响 |
|---------|--------|---------|------|
| 感知模型产出 | OMRobot (6/22) | piper_ros D435i 管线 | 85 项未启动 |

依赖

工具	Linux	Windows
sqlite3	预装	winget install SQLite.SQLite
python3	预装	python.org
rg (ripgrep)	apt install ripgrep	winget install BurntSushi.ripgrep.MSVC

如果 ripgrep 不可用，skill 会自动回退到 grep / findstr。

工作原理

sequenceDiagram
    participant User
    participant Agent
    participant DB as opencode.db
    participant FS as File System

    User->>Agent: 写周报
    Agent->>DB: SELECT session JOIN project JOIN project_directory
    DB-->>Agent: 按项目分组的 session 列表
    Agent->>FS: find .omo/plans/*.md
    FS-->>Agent: 计划文件 + checkbox 计数
    Agent->>FS: read boulder.json
    FS-->>Agent: 活跃计划列表
    Agent->>FS: write 01-工作周报.md
    Agent->>FS: write 02-未完成事项.md
    Agent->>FS: write 03-协调与帮助.md
    Agent-->>User: 输出路径 + 统计总览

Loading

项目结构

weekly-report/
├── .github/
│   └── logo.svg
├── SKILL.md          ← 核心 skill 定义
├── INSTALL.md        ← LLM Agent 安装指南
├── LICENSE           ← Apache 2.0
└── README.md         ← 本文件

贡献

欢迎提交 Issue 和 PR。如果你发现了新的 session 数据源、改进了查询效率，或者增加了新的报告维度，请贡献回来。

许可证

Apache 2.0 © 2026 ChiefTechLabs