feat(ppt): upgrade monthly AI prompt to 7-section expert template with MCP RAG integration, enrich data_summary with category/product breakdown

routes/openclaw_bot_routes.py

@@ -1836,6 +1836,7 @@ def _ppt_ai_analysis(prompt_data: str, report_type: str = '') -> str:
     用 NIM DeepSeek 生成簡報 AI 分析文字
     （批次任務用 NIM，節省 Gemini 即時對話額度）
     """
+    is_monthly    = '月報' in report_type
     is_strategy   = '策略' in report_type
     is_competitor = '競品' in report_type
     is_promo      = '促銷' in report_type
@@ -1850,7 +1851,36 @@ def _ppt_ai_analysis(prompt_data: str, report_type: str = '') -> str:
         "5. 繁體中文，語氣專業、精準、業績導向"
     )
 
-    if is_promo:
+    if is_monthly:
+        sys_instruction = (
+            "你是資深電商營運分析師，擁有 10 年台灣電商月度營運管理實戰經驗，"
+            "精通美妝保養、母嬰、個人清潔等品類的市場趨勢與商品策略。\n"
+            "請根據以下月報業績數據與外部市場情報，輸出一份完整的月度營運分析報告：\n\n"
+            "【整體業績解讀】（3-4句）\n"
+            "引用月業績、月訂單數、毛利率、客單價四項核心指標，評估本月整體表現等級（優/良/普/弱），"
+            "指出最顯著亮點（如品類爆發、客單拉升）或警訊（如毛利壓縮、成長放緩），"
+            "並與台灣電商月均表現（月業績成長率 5~15% 為健康區間）比較定位。\n\n"
+            "【品類結構深度解析】（3-4句）\n"
+            "點出貢獻業績最高的 1~2 個品類，說明其主導地位的成因（季節性/活動拉動/商品力）；"
+            "識別成長最快或最具潛力的新興品類；"
+            "指出業績佔比過度集中帶來的風險（若美妝>60%則點明）。\n\n"
+            "【熱銷商品洞察】（2-3句）\n"
+            "點名 TOP3 熱銷商品，分析其高業績的成因（定價優勢/品牌力/活動推力），"
+            "說明這些商品對整體客單價與毛利的貢獻或壓力。\n\n"
+            "【MCP 市場情報整合】（2-3句）\n"
+            "結合外部市場情報，說明當前電商環境對本月業績的影響，"
+            "並指出下個月應特別關注的外部機會（如節慶/消費趨勢/競品動態）。\n\n"
+            "【三段式行動建議】\n"
+            "■ 本週立即執行（2條，以 ✅ 開頭）：針對庫存補貨、廣告投放、定價調整等短期動作\n"
+            "■ 本月優化重點（2條，以 ✅ 開頭）：針對品類組合、客單提升、毛利改善\n"
+            "■ 下月預備部署（2條，以 ✅ 開頭）：結合節慶時機與 MCP 情報，提早卡位\n"
+            "每條建議必須包含具體商品/品類名稱與量化目標（如：毛利率提升 2%/客單提升 NT$150）。\n\n"
+            "【風險預警】（1-2句）：指出最大潛在風險與防禦建議。\n\n"
+            "要求：每段引用至少一個具體數字，全文 500~700 字，語氣如資深顧問月報。"
+            + FORMAT_RULES
+        )
+        max_tokens = 1600
+    elif is_promo:
         sys_instruction = (
             "你是資深電商活動行銷策略分析師，擁有 10 年以上台灣電商促銷活動策劃與效益評估實戰經驗，"
             "精通促銷活動 ROI 分析、商品選品策略、消費者行為洞察，深度熟悉美妝、保健、母嬰等品類的"
@@ -2399,15 +2429,28 @@ def _generate_ppt_cmd(sub_type: str, sub_arg: str, _chat_id: int, target: str,
         ms = query_monthly_summary(yr, mo)
         top_cats = query_category_monthly(yr, mo, lim=8)
         ms['top_categories'] = top_cats
+        aov = ms.get('avg_order', ms.get('revenue', 0) / ms.get('orders', 1) if ms.get('orders') else 0)
+        top5_products = ms.get('top_products', [])[:5]
+        top5_cats = top_cats[:5]
+        cat_total = sum(float(c.get('revenue', 0)) for c in top5_cats)
+        cat_breakdown = '\n'.join(
+            f"  - {c.get('cat','')}: NT${float(c.get('revenue',0)):,.0f}"
+            f"({float(c.get('revenue',0))/cat_total*100:.0f}%)" if cat_total else f"  - {c.get('cat','')}:NT${float(c.get('revenue',0)):,.0f}"
+            for c in top5_cats
+        )
+        prod_breakdown = '\n'.join(
+            f"  {i+1}. {p.get('name','')[:30]} — NT${float(p.get('revenue',0)):,.0f}"
+            for i, p in enumerate(top5_products)
+        )
         data_summary = (
-            f"月份：{yr}/{mo:02d}\n"
-            f"月業績：NT$ {ms.get('revenue', 0):,.0f} | "
-            f"訂單：{ms.get('orders', 0)} | 毛利率：{ms.get('gross_margin', 0):.1f}%\n"
-            f"熱銷：" + " / ".join(
-                f"{p['name']}(NT${p['revenue']:,.0f})"
-                for p in ms.get('top_products', [])[:5]) + "\n"
-            f"分類：" + " / ".join(f"{c['cat']}(NT${c['revenue']:,.0f})" for c in top_cats[:3]) + "\n"
-            f"外部情報：{mcp_text[:500]}"
+            f"【月份】{yr}/{mo:02d}\n"
+            f"【月業績】NT${ms.get('revenue', 0):,.0f}\n"
+            f"【月訂單】{ms.get('orders', 0):,} 筆\n"
+            f"【毛利率】{ms.get('gross_margin', 0):.1f}%\n"
+            f"【平均客單價】NT${aov:,.0f}\n\n"
+            f"【品類業績分佈（TOP5）】\n{cat_breakdown}\n\n"
+            f"【熱銷商品 TOP5】\n{prod_breakdown}\n\n"
+            f"【MCP 外部市場情報】\n{mcp_text[:600] if mcp_text else '（無外部情報）'}"
         )
         ai_text = cached_ai or _ppt_ai_analysis(data_summary, '月報')
         if not cached_ai and _ppt_needs_fallback(ai_text):