DingTalk Task Stats

Name: DingTalk Task Stats
Author: zhangdszq

DingTalk AI table task statistics and employee work-hour analysis. By connecting the DingTalk AI Table MCP and Contacts MCP through mcporter, this Skill queries task data and resolves employee IDs to names, producing person-level reports on task counts, work hours, statuses, and more. Use cases: querying employee tasks, aggregating work hours, generating team work reports, and analyzing task boards.

0 Stars0 Installs更新于 193 days ago

通过 mcporter 同时连接两个钉钉 MCP 服务：

dingtalk-ai-table：读取 AI 表格中的任务数据
dingtalk-contacts：将表格中的员工 ID 解析为真实姓名

前置要求

1. 安装 mcporter

npm install -g mcporter
mcporter --version

2. 配置文件

所有 MCP 服务器配置统一存放在项目的 config/mcporter.json 中。当前已配置 dingtalk-ai-table 和 dingtalk-contacts 两个服务。

如需新增或修改钉钉 MCP 凭证，直接编辑 config/mcporter.json：

{
  "mcpServers": {
    "dingtalk-ai-table": {
      "baseUrl": "<AI表格的Streamable_HTTP_URL>"
    },
    "dingtalk-contacts": {
      "baseUrl": "<通讯录的Streamable_HTTP_URL>"
    }
  }
}

获取 URL：访问 https://mcp.dingtalk.com 分别搜索"AI 表格"和"通讯录"，点击"获取 MCP 凭证配置"复制 Streamable HTTP URL。

注意：config/mcporter.json 包含访问令牌，已加入 .gitignore，不要提交到版本控制。

3. 验证配置

在项目根目录（VK-Cowork）执行：

mcporter config list
mcporter call dingtalk-ai-table get_root_node_of_my_document --output json
mcporter list dingtalk-contacts

config list 应显示三个服务器（exa、dingtalk-ai-table、dingtalk-contacts）。

表格结构约定

任务表预期包含以下字段：

| 字段名 | 类型 | 说明 | |--------|------|------| | 任务名 | text | 任务标题 | | 负责人 | user | 员工（存储为钉钉 user ID） | | 开始时间 | date | 任务开始日期 | | 结束时间 | date | 任务结束/截止日期 | | 状态 | singleSelect | 如：待处理、进行中、已完成、已取消 | | 预估工时 | number | 预估小时数 | | 实际工时 | number | 实际花费小时数 |

字段名可能与实际不完全一致，执行前先用 list_base_field 确认真实字段名。

核心工作流

工作流 1：查询任务数据

# Step 1: 找到目标表格
mcporter call dingtalk-ai-table search_accessible_ai_tables keyword="任务" --output json

# Step 2: 列出数据表，确认表名
mcporter call dingtalk-ai-table list_base_tables dentry-uuid="<dentryUuid>" --output json

# Step 3: 确认字段结构
mcporter call dingtalk-ai-table list_base_field \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"<表名>"}' --output json

# Step 4: 拉取全部记录
mcporter call dingtalk-ai-table search_base_record \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"<表名>"}' --output json

工作流 2：解析员工 ID 为姓名

表格中 user 类型字段返回格式为 {"name":"姓名","id":"userId"}。

如果返回的只有 ID 没有姓名，使用通讯录 MCP 解析：

# 查询单个用户
mcporter call dingtalk-contacts get_user_detail userId="<userId>" --output json

通讯录 MCP 的工具名可能不同。先执行 mcporter list dingtalk-contacts 查看实际可用的工具列表，常见工具名包括：

search_user_by_name / get_user_by_id / get_member

list_department_members / get_department_detail

批量解析策略：收集所有不重复的 userId，逐个查询后建立 {userId: 姓名} 映射表，避免重复查询。

工作流 3：生成统计报告

拿到任务数据 + 姓名映射后，在本地用代码（Python/JS）聚合统计。

统计维度：

按人员的任务数量
- 总任务数、已完成数、进行中数、待处理数
- 完成率 = 已完成 / 总数
按人员的工时统计
- 预估工时总计、实际工时总计
- 工时偏差 = 实际 - 预估（正值为超时）
- 平均单任务耗时
按时间维度
- 本周/本月任务分布
- 超期任务（结束时间 < 当前日期且状态非"已完成"）
团队总览
- 团队总任务数与完成率
- 工时利用率
- 任务状态分布饼图数据

输出格式示例：

# 团队任务统计报告（2026-03-01）

## 团队总览
- 总任务数：45
- 已完成：32（71.1%）
- 进行中：8
- 超期未完成：3

## 按人员统计

| 姓名 | 总任务 | 已完成 | 进行中 | 完成率 | 预估工时 | 实际工时 | 偏差 |
|------|--------|--------|--------|--------|----------|----------|------|
| 张三 | 12 | 9 | 2 | 75.0% | 48h | 52h | +4h |
| 李四 | 10 | 8 | 1 | 80.0% | 40h | 38h | -2h |
| 王五 | 8 | 5 | 3 | 62.5% | 32h | 35h | +3h |

## 超期任务
| 任务名 | 负责人 | 截止日期 | 状态 |
|--------|--------|----------|------|
| XXX功能开发 | 张三 | 2026-02-25 | 进行中 |

完整执行步骤

当用户请求统计时，按以下顺序执行：

定位表格 → search_accessible_ai_tables 找到目标表格的 dentryUuid
确认结构 → list_base_tables + list_base_field 确认表名和字段名
拉取数据 → search_base_record 获取所有任务记录
解析人员 → 提取所有 userId，通过通讯录 MCP 批量解析姓名
聚合统计 → 用代码按维度计算统计数据
输出报告 → 按上方格式生成 Markdown 报告

创建任务表

如果用户还没有任务表，可以帮助创建：

# 获取根节点
mcporter call dingtalk-ai-table get_root_node_of_my_document --output json

# 创建表格
mcporter call dingtalk-ai-table create_base_app filename="项目任务管理" target="<rootDentryUuid>" --output json

# 创建数据表并初始化字段
mcporter call dingtalk-ai-table add_base_table \
  --args '{"dentryUuid":"<UUID>","name":"任务表","fields":[{"name":"任务名","type":"text"},{"name":"负责人","type":"user"},{"name":"开始时间","type":"date"},{"name":"结束时间","type":"date"},{"name":"状态","type":"singleSelect"},{"name":"预估工时","type":"number"},{"name":"实际工时","type":"number"}]}' \
  --output json

注意事项

分页：如任务记录超过单次返回上限，需多次调用并合并结果
user 字段格式：可能返回 {"name":"张三","id":"xxx"} 对象，优先使用 name 字段
日期处理：date 字段可能返回 Unix 时间戳（毫秒），需转换为可读日期
通讯录权限：确保 MCP 凭证有通讯录读取权限
工具名发现：两个 MCP 服务器的工具名可能更新，总是先 mcporter list <server> 确认

安装指令

npx skills add zhangdszq/钉钉任务统计

下载解压包

下载 skill.zip

下载完整 Skill 目录，包含 SKILL.md 及所有相关文件

信息

Authorzhangdszq

Categoryproductivity

Version@main

Last Updated193 days ago

在 GitHub 中查看

Related Skills

gog

Google Workspace CLI for Gmail, Calendar, Drive, Contacts, Sheets, and Docs.

246,840·openclaw

apple-notes (Apple Notes CLI)

Manage Apple Notes via the `memo` CLI on macOS (create, view, edit, delete, search, move, and export notes). Use when a user asks OpenClaw to add a note, list notes, search notes, or manage note folders.

246,840·openclaw

obsidian

Work with Obsidian vaults (plain Markdown notes) and automate via obsidian-cli.

246,840·openclaw

Slack

Use when you need to control Slack from OpenClaw via the slack tool, including reacting to messages or pinning/unpinning items in Slack channels or DMs.

246,840·openclaw

apple-reminders

Manage Apple Reminders via remindctl CLI (list, add, edit, complete, delete). Supports lists, date filters, and JSON/plain output.

246,840·openclaw

Trello

Manage Trello boards, lists, and cards via the Trello REST API.

246,840·openclaw

Category:productivity

主站 ProductivityDingTalk Task Stats

DingTalk Task Stats

0 Stars0 Installs更新于 193 days ago

通过 mcporter 同时连接两个钉钉 MCP 服务：

dingtalk-ai-table：读取 AI 表格中的任务数据
dingtalk-contacts：将表格中的员工 ID 解析为真实姓名

前置要求

1. 安装 mcporter

npm install -g mcporter
mcporter --version

2. 配置文件

所有 MCP 服务器配置统一存放在项目的 config/mcporter.json 中。当前已配置 dingtalk-ai-table 和 dingtalk-contacts 两个服务。

如需新增或修改钉钉 MCP 凭证，直接编辑 config/mcporter.json：

{
  "mcpServers": {
    "dingtalk-ai-table": {
      "baseUrl": "<AI表格的Streamable_HTTP_URL>"
    },
    "dingtalk-contacts": {
      "baseUrl": "<通讯录的Streamable_HTTP_URL>"
    }
  }
}

获取 URL：访问 https://mcp.dingtalk.com 分别搜索"AI 表格"和"通讯录"，点击"获取 MCP 凭证配置"复制 Streamable HTTP URL。

注意：config/mcporter.json 包含访问令牌，已加入 .gitignore，不要提交到版本控制。

3. 验证配置

在项目根目录（VK-Cowork）执行：

mcporter config list
mcporter call dingtalk-ai-table get_root_node_of_my_document --output json
mcporter list dingtalk-contacts

config list 应显示三个服务器（exa、dingtalk-ai-table、dingtalk-contacts）。

表格结构约定

任务表预期包含以下字段：

字段名可能与实际不完全一致，执行前先用 list_base_field 确认真实字段名。

核心工作流

工作流 1：查询任务数据

# Step 1: 找到目标表格
mcporter call dingtalk-ai-table search_accessible_ai_tables keyword="任务" --output json

# Step 2: 列出数据表，确认表名
mcporter call dingtalk-ai-table list_base_tables dentry-uuid="<dentryUuid>" --output json

# Step 3: 确认字段结构
mcporter call dingtalk-ai-table list_base_field \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"<表名>"}' --output json

# Step 4: 拉取全部记录
mcporter call dingtalk-ai-table search_base_record \
  --args '{"dentryUuid":"<UUID>","sheetIdOrName":"<表名>"}' --output json

工作流 2：解析员工 ID 为姓名

表格中 user 类型字段返回格式为 {"name":"姓名","id":"userId"}。

如果返回的只有 ID 没有姓名，使用通讯录 MCP 解析：

# 查询单个用户
mcporter call dingtalk-contacts get_user_detail userId="<userId>" --output json

通讯录 MCP 的工具名可能不同。先执行 mcporter list dingtalk-contacts 查看实际可用的工具列表，常见工具名包括：

search_user_by_name / get_user_by_id / get_member

list_department_members / get_department_detail

批量解析策略：收集所有不重复的 userId，逐个查询后建立 {userId: 姓名} 映射表，避免重复查询。

工作流 3：生成统计报告

拿到任务数据 + 姓名映射后，在本地用代码（Python/JS）聚合统计。

统计维度：

按人员的任务数量
- 总任务数、已完成数、进行中数、待处理数
- 完成率 = 已完成 / 总数
按人员的工时统计
- 预估工时总计、实际工时总计
- 工时偏差 = 实际 - 预估（正值为超时）
- 平均单任务耗时
按时间维度
- 本周/本月任务分布
- 超期任务（结束时间 < 当前日期且状态非"已完成"）
团队总览
- 团队总任务数与完成率
- 工时利用率
- 任务状态分布饼图数据

输出格式示例：

# 团队任务统计报告（2026-03-01）

## 团队总览
- 总任务数：45
- 已完成：32（71.1%）
- 进行中：8
- 超期未完成：3

## 按人员统计

| 姓名 | 总任务 | 已完成 | 进行中 | 完成率 | 预估工时 | 实际工时 | 偏差 |
|------|--------|--------|--------|--------|----------|----------|------|
| 张三 | 12 | 9 | 2 | 75.0% | 48h | 52h | +4h |
| 李四 | 10 | 8 | 1 | 80.0% | 40h | 38h | -2h |
| 王五 | 8 | 5 | 3 | 62.5% | 32h | 35h | +3h |

## 超期任务
| 任务名 | 负责人 | 截止日期 | 状态 |
|--------|--------|----------|------|
| XXX功能开发 | 张三 | 2026-02-25 | 进行中 |

完整执行步骤

当用户请求统计时，按以下顺序执行：

定位表格 → search_accessible_ai_tables 找到目标表格的 dentryUuid
确认结构 → list_base_tables + list_base_field 确认表名和字段名
拉取数据 → search_base_record 获取所有任务记录
解析人员 → 提取所有 userId，通过通讯录 MCP 批量解析姓名
聚合统计 → 用代码按维度计算统计数据
输出报告 → 按上方格式生成 Markdown 报告

创建任务表

如果用户还没有任务表，可以帮助创建：

# 获取根节点
mcporter call dingtalk-ai-table get_root_node_of_my_document --output json

# 创建表格
mcporter call dingtalk-ai-table create_base_app filename="项目任务管理" target="<rootDentryUuid>" --output json

# 创建数据表并初始化字段
mcporter call dingtalk-ai-table add_base_table \
  --args '{"dentryUuid":"<UUID>","name":"任务表","fields":[{"name":"任务名","type":"text"},{"name":"负责人","type":"user"},{"name":"开始时间","type":"date"},{"name":"结束时间","type":"date"},{"name":"状态","type":"singleSelect"},{"name":"预估工时","type":"number"},{"name":"实际工时","type":"number"}]}' \
  --output json

注意事项

分页：如任务记录超过单次返回上限，需多次调用并合并结果
user 字段格式：可能返回 {"name":"张三","id":"xxx"} 对象，优先使用 name 字段
日期处理：date 字段可能返回 Unix 时间戳（毫秒），需转换为可读日期
通讯录权限：确保 MCP 凭证有通讯录读取权限
工具名发现：两个 MCP 服务器的工具名可能更新，总是先 mcporter list <server> 确认

安装指令

npx skills add zhangdszq/钉钉任务统计

下载解压包

下载 skill.zip

下载完整 Skill 目录，包含 SKILL.md 及所有相关文件

信息

Authorzhangdszq

Categoryproductivity

Version@main

Last Updated193 days ago

在 GitHub 中查看

Category:productivity