anbeime/skill / skills/data-flow-skill/data-flow-skill
data-flow-skill
Unverified面向数据分析任务的一站式 Agent Skill,覆盖数据类型检测、数据理解、预处理、统计分析、可视化图表生成、正式报告和幻灯片输出。适用于课程作业、论文实验、业务分析、SEO/GEO 数据报告和可追溯数据分析工作流。
Data Flow Skill
任务目标
本 Skill 用于将用户提供的数据集转化为可追溯的数据分析产物,覆盖“数据类型检测 → 数据理解 → 预处理 → 统计分析 → 可视化图表 → 报告 → 幻灯片”的端到端流程。
适用场景包括:
- 课程作业或论文实验中的可复现数据分析
- CSV、Excel、JSON、文本语料等数据集的探索性分析
- 问卷、量表、时间序列和文学语料的专项分析
- SEO/GEO、内容表现、营销数据和业务指标报告
- 将分析结果整理为正式报告、PPT 或演示材料
触发条件
当用户提出以下需求时使用本 Skill:
- “分析这个数据集”
- “根据 CSV/Excel 生成图表和报告”
- “帮我判断数据类型并做统计分析”
- “把分析结果整理成论文/课程报告”
- “根据数据生成 PPT 或幻灯片”
- “分析 SEO/GEO 指标、Search Console 导出或业务表现数据”
如果用户需要实时网页抓取、SERP 采集、API 拉取或站点爬虫,应先使用相应的数据收集技能,再使用本 Skill 进行分析。
核心能力
- 数据类型检测:识别
tabular_generic、questionnaire、time_series、literary四类主要数据策略。 - 数据画像:检查字段类型、缺失值、重复值、异常值、时间覆盖、类别分布和指标含义。
- 透明预处理:保留源数据,不静默修改文件,所有清洗动作写入日志。
- 分任务分析:将数据处理、统计分析、图表生成和发现提炼拆成可检查的小任务。
- 可视化生成:根据问题选择趋势、分布、比较、关系、构成和异常类图表。
- 结构化发现:为每条发现记录证据、来源、限制、置信度和建议动作。
- 报告与幻灯片:从结构化产物生成正式报告和 slide-ready 输出。
标准工作流
1. 确认任务上下文
先确认以下信息:
- 数据文件或目录路径
- 分析目标和要回答的问题
- 受众:课程、论文、业务汇报、SEO 团队或管理层
- 交付形式:探索性分析、图表包、正式报告、PPT 或全部产物
- 语言、风格和格式要求
- 是否允许自动预处理、是否有字段含义或指标公式说明
2. 检测数据类型
对输入数据进行策略识别,并将结果写入:
output/artifacts/dataset_detection.json
检测结果应包含:
strategy:主策略confidence:置信度evidence:判断依据alternatives:备选策略assumptions:假设fallback_plan:回退方案
3. 制定并确认计划
正式分析前生成 plan.md,内容包括:
- 分析目标
- 数据摘要
- 数据类型策略
- 开放问题和假设
- 预处理规则
- 分析任务拆分
- 可视化计划
- 预期输出
- 风险与校验点
在用户确认计划前,不进入正式分析、报告生成或幻灯片生成。
4. 数据理解与画像
读取数据后生成:
output/artifacts/data_profile.json
至少检查:
- 文件类型、编码和解析问题
- 行数、列数、字段类型
- 缺失值、重复值、异常值
- 数值范围和类别分布
- 时间字段、时间粒度和覆盖范围
- 指标定义、单位和方向
5. 透明预处理
不得直接覆盖原始数据。所有预处理动作写入:
output/artifacts/preprocessing_log.json
常见动作包括:
- 字段名标准化
- 日期解析
- 数值格式转换
- 缺失值处理
- 重复记录处理
- 类别归一化
- 派生指标计算
6. 分策略分析
tabular_generic:描述统计、分组比较、相关性、异常点、业务含义。questionnaire:量表方向、选项分布、组间差异、开放题归纳、信度检查。time_series:趋势、季节性、峰值、下降点、同比/环比、异常时段。literary:篇章结构、人物/地点/主题、词频、共现关系、情绪和风格特征。
7. 可视化规划与生成
先写入:
output/artifacts/visualization_plan.json
每张图需要说明:
- 图表标题
- 回答的问题
- 输入数据
- 变量和筛选条件
- 图表类型
- 选择原因
- 输出路径
- 解读要点
图表输出到:
output/figures/
8. 生成结构化发现
将结论写入:
output/artifacts/analysis_findings.json
每条发现应包含:
- 结论 claim
- 证据 evidence
- 来源图表或表格路径
- 适用范围 scope
- 限制 limitation
- 置信度 confidence
- 建议动作 recommendation
9. 生成报告和幻灯片
报告应基于结构化产物,而不是重新从原始数据开始分析。建议报告结构:
- 执行摘要
- 数据来源与质量说明
- 方法与预处理说明
- 关键指标与趋势
- 分组/策略分析
- 图表证据
- 结论与建议
- 局限性和附录
幻灯片应基于 analysis_findings.json 和 report_context.json,围绕受众、演示目标、叙事主线和关键图表组织。
输出目录约定
推荐输出结构:
output/
figures/
tables/
report/
slides/
artifacts/
dataset_detection.json
data_profile.json
preprocessing_log.json
visualization_plan.json
analysis_findings.json
report_context.json
质量检查
交付前确认:
- 数据类型已检测并记录
plan.md已经用户确认- 字段含义、时间窗口和指标方向已明确或列为假设
- 源数据未被静默修改
- 预处理动作已记录
- 分析任务已拆分
- 图表有明确问题和解读
- 发现包含证据、限制和置信度
- 报告和幻灯片基于结构化产物
- 结论没有超出数据证据
资源索引
- 工作流说明:见 references/workflow.md
- 数据类型策略:见 references/data-types.md
- 可视化规范:见 references/visualization.md
- 报告生成规范:见 references/reporting.md
- 幻灯片生成规范:见 references/slides.md
- 质量校验清单:见 references/validation.md
使用示例
用户请求:
请分析这个 Google Search Console 导出的 CSV,并生成 SEO 表现报告和几张关键图表。
执行摘要:
- 确认文件路径、日期范围、站点、受众和报告格式。
- 检测数据类型为
tabular_generic或time_series。 - 创建
plan.md并等待确认。 - 分析 query、page、country、device、clicks、impressions、CTR 和 average position。
- 检查缺失值、时间覆盖、重复记录和分组覆盖。
- 生成趋势图、页面贡献图、查询机会图和设备/国家对比图。
- 保存结构化发现并生成正式报告。
注意事项
- 不要把描述性相关关系写成因果结论。
- 不要在未说明的情况下修改源数据。
- 不要用一个脚本完成读取、清洗、分析、绘图和报告的所有步骤。
- 不要堆叠图表而不写解释。
- 对 SEO/GEO 数据,应区分“数据观察”“可能解释”“优化建议”和“需要额外爬取/审计验证的事项”。
Related skills
| Skill | Stars | Updated | Works with | Status | Install |
|---|---|---|---|---|---|
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 464k | Updated | Claude CodeCodex | Verified | Install |
| reverse-engineer-anythingmorluto/reaReverse engineer native, managed, Electron/JavaScript, packaged, firmware, and browser targets with REA, and build agent environments (AgentEnv bundles) of web applications from a live instance or a capture, and of Linux desktop apps with a task from a request. Use shipped-artifact or requested runtime evidence to explain features, compare versions, decompile code, or guide a reconstruction. Skip REA for ordinary source-repository architecture analysis. | Stars: 464k | Updated | Claude CodeCodex | Verified | Install |
| diagnosing-superpowersobra/superpowersUse when a superpowers session went wrong and your human partner wants to know why — repeated work, ignored plans, stumbles, poor results, a skill that didn't fire, "it took too long", "why is it so expensive", "what is it doing" — or wants to build a bug report for the superpowers maintainers, for the current session or a past one identified by id or path, on any harness. | Stars: 318k | Updated | Claude CodeCodex | Unverified | Install |
| dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependencies | Stars: 318k | Updated | Claude CodeCodex | Unverified | Install |