Revert skill list layout and tune leaderboard report

- Revert skill settings to vertical list layout with pinned sorting
- Default leaderboard range 30d -> 7d, hide stats while report generating
- Reframe leaderboard report prompt as user-behavior analysis (cache v5)

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

offline-backend-20260512/backend/app/gateway/routers/admin_users.py

@@ -318,7 +318,7 @@ def _report_cache_key(
     settings,
 ) -> str:
     payload = {
-        "version": 4,
+        "version": 5,
         "since": _iso(since),
         "until": _iso(until),
         "limit": limit,
@@ -1091,15 +1091,16 @@ async def _build_leaderboard_report_prompt(
         "trends": [t.model_dump() for t in trends[-21:]],
     }
     return (
-        "请基于以下管理员排行榜统计数据，生成一份中文运营分析报告。"
+        "请基于以下管理员排行榜统计数据，生成一份中文用户行为分析报告。"
         "报告需要有结论，不要只罗列数字；请使用 Markdown 标题、列表和表格，让前端可以直接渲染。"
         "重点要求："
-        "1) 优先突出用户最近关注的实时问题、事件、主题和业务方向，必须引用 recent_questions 中的近期问题作为依据；"
-        "2) 单独分析 frequent_questions，归纳高频关注簇，说明这些高频问题反映出的需求强度；"
-        "3) 结合 top_users、top_skills、top_tools、top_models 和 trends，说明使用频率、使用增长、常用能力和重点用户画像；"
-        "4) 可以提及使用强度、关注变化和运营机会，但不要把报告重点放在系统本身的问题、故障、失败率或回答质量缺陷上；"
-        "5) 给管理员 3-5 条可执行建议，建议应围绕用户关注主题、资源配置、内容供给、培训引导和高频能力优化。"
-        "输出结构：摘要、最近关注、高频问题与使用频率、重点用户与常用能力、趋势观察、行动建议。"
+        "1) 你是专门负责分析用户行为的专家，不要自称企业 AI 应用运营分析师；"
+        "2) 优先突出用户最近常用问题、最近关注的实时问题、事件、主题和业务方向，必须引用 recent_questions 中的近期问题作为依据；"
+        "3) 单独分析 frequent_questions，归纳高频关注簇，说明这些高频问题反映出的需求强度和重复频率；"
+        "4) 结合 top_users、top_skills、top_tools、top_models 和 trends，说明使用频率、使用增长、常用能力和重点用户行为画像；"
+        "5) 可以提及使用强度、关注变化和行为机会，但不要把报告重点放在系统本身的问题、故障、失败率或回答质量缺陷上；"
+        "6) 给管理员 3-5 条可执行建议，建议应围绕用户关注主题、资源配置、内容供给、培训引导和高频能力优化。"
+        "输出结构：摘要、最近关注、高频问题与频率、重点用户行为、常用能力、趋势观察、行动建议。"
         "\n\n统计数据如下：\n"
         f"{json.dumps(context, ensure_ascii=False, default=str)}"
     )
@@ -1141,7 +1142,7 @@ async def generate_user_leaderboard_report(
         model = create_chat_model(name=resolved_model_name, thinking_enabled=thinking_enabled, app_config=config)
         response = await model.ainvoke(
             [
-                SystemMessage(content="你是企业 AI 应用的运营分析师，擅长从用户行为、问题文本和调用指标中生成管理报告；报告聚焦用户关注主题和使用频率，不讨论系统本身问题。"),
+                SystemMessage(content="你是专门负责分析用户行为的专家，擅长从用户最近常用问题、关注主题、使用频率和调用指标中生成管理报告；报告聚焦用户行为，不讨论系统本身问题。"),
                 HumanMessage(content=prompt),
             ],
             config={"run_name": "admin_user_leaderboard_report"},
@@ -1206,7 +1207,7 @@ async def stream_user_leaderboard_report(
             model = create_chat_model(name=resolved_model_name, thinking_enabled=thinking_enabled, app_config=config)
             async for chunk in model.astream(
                 [
-                    SystemMessage(content="你是企业 AI 应用的运营分析师，擅长从用户行为、问题文本和调用指标中生成管理报告；报告聚焦用户关注主题和使用频率，不讨论系统本身问题。"),
+                    SystemMessage(content="你是专门负责分析用户行为的专家，擅长从用户最近常用问题、关注主题、使用频率和调用指标中生成管理报告；报告聚焦用户行为，不讨论系统本身问题。"),
                     HumanMessage(content=prompt),
                 ],
                 config={"run_name": "admin_user_leaderboard_report"},