Skip to content

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

  1. 数据类型检测:识别 tabular_generic、questionnaire、time_series、literary 四类主要数据策略。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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

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:

  1. 确认文件路径、日期范围、站点、受众和报告格式。
  2. 检测数据类型为 tabular_generic 或 time_series。
  3. 创建 plan.md 并等待确认。
  4. 分析 query、page、country、device、clicks、impressions、CTR 和 average position。
  5. 检查缺失值、时间覆盖、重复记录和分组覆盖。
  6. 生成趋势图、页面贡献图、查询机会图和设备/国家对比图。
  7. 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”。
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: 464kUpdated Claude CodeCodexVerifiedInstall
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: 464kUpdated Claude CodeCodexVerifiedInstall
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: 318kUpdated Claude CodeCodexUnverifiedInstall
dispatching-parallel-agentsobra/superpowersUse when facing 2+ independent tasks that can be worked on without shared state or sequential dependenciesStars: 318kUpdated Claude CodeCodexUnverifiedInstall