从给定数据与设计稿，
完成两页 Power BI 报表。

我提供课程资料，要求按数据清洗、模型和报表三个阶段列出执行清单。模型 MCP 负责连接 Power BI Desktop，读取和修改查询、表、关系与 DAX；Report Authoring CLI 与 Desktop Bridge 负责报表文件、加载和截图。

工具验证不仅检查安装，还在测试工程中创建临时表、刷新、查询并删除，再加载报表和截图。每阶段完成后，AI 提交执行和检查清单，由我检查重点后继续。

得到什么：明确的阶段清单、业务规则及可用的模型与报表操作工具。

AI 编写 M 代码，Power Query 实际执行读取、提升表头、保留业务列、统一时间和拆分记录。文件路径通过参数设置。多部门记录拆成多行后保留源记录编号，用于识别同一条共享记录。

源时间包括 Excel 日期序号、年度文字和季度文字。即使转换后日期相同，周期类型也会保留，避免把年度和季度混为一项。60 条业务数值空值继续保留，尚未发生的实际值不能直接改成 0。

CategoryKey 由指标、对象、周期类型、日期和目标或实际共同组成，用于检查完整业务条件是否重复；模型关系使用指标编号、考核对象编号和日期。

得到什么：一张事实表及指标、考核对象等维度数据。

模型以 fact_指标值 为事实表，三个维度表分别与它建立一对多、单向筛选关系。日期表及 DAX 度量值负责按当前选择条件计算，参数表和显示辅助公式安排矩阵、按钮与文字。

分析月份取最新有月度实际非空记录的月份，本次为 2025 年 3 月，未来目标记录和电脑日期不会把分析月份向后推。共享比例需要识别源记录，避免拆分到多个部门后重复相加。

我检查默认月份、默认部门、目标与实际取数和共享比例。AI 另外制作两个检查页面，用切片器、卡片和矩阵展示关键结果，这两个页面不计入正式的两页报表。

得到什么：支持指标、部门和时间筛选的模型与计算结果。

AI 将图表字段和格式写入 PBIR 报表文件，再加载到 Power BI Desktop。公司页使用卡片、仪表盘、组合图和矩阵，部门页使用当前值、历史值与工具提示，按钮通过书签切换页面或组件状态。

我对照设计稿检查 Logo、字体、颜色、刻度、按钮和历史标签。单件商品平均利润的设计图有三档目标，源数据只有一档，我决定保留目标区域，只显示实际存在的一档目标。

得到什么：公司／监控概览与部门概览两页正式报表。

AI 用 Python 和 openpyxl 直接读取 Excel 形成对照结果，避免只用同一条 DAX 公式验证自身。模型阶段曾检查 564 个场景，每个场景 15 项；那次检查的差异为 0。

带教确认源目标有效后，我要求撤销早期的目标互换，保留 2025 年商品销售额的及格 99,000、必达 75,000、挑战 156,000，源 Excel 没有改动。恢复目标后执行了针对性的实际数值查询，早期全场景检查不作为最终版本重新全检的证明。

最后文件验证为 0 个错误、1 条提示，提示涉及部分组件在线规则下载。文件检查与 Desktop 实际画面检查分别进行。

得到什么：修正后的报表，以及与检查时点对应的数值、文件和截图记录。

执行说明网页将查询、整理步骤、模型关系、公式、图表配置和检查证据关联起来。AI 实现网页，我要求使用课程中的名称，并说明每项设置具体用在 Power Query、模型、DAX 还是报表组件中。

网页用于阅读工程说明，不运行 M 或 DAX，也不向 Power BI 写入数据。对于复杂公式，交接先说明使用位置、取数规则和关键检查结果，再展示代码。

得到什么：报表工程、执行清单、检查记录和可点击的说明网页。