SKILLEMALL.ai
EN Войти

AF data-analyst

Автоматизированный рабочий процесс для аналитика данных. От загрузки данных, аудита качества, очистки данных, разведочного анализа (EDA), статистического моделирования до генерации HTML-отчетов с визуализацией, охватывает полный конвейер анализа данных. Поддерживает ввод данных в различных форматах CSV/Excel/JSON/SQLite, имеет встроенную 4-уровневую систему защиты данных. Триггеры: анализ данных, помощь в анализе данных, создание отчета по данным, визуализация данных, разведочный анализ, data analysis, analyze data, generate data report, data visualization, exploratory analysis.

машинный переводПоказать оригиналСкрыть оригинал«数据分析师自动化工作流。从数据加载、质量审计、数据清洗、探索性分析(EDA)、统计建模到可视化HTML报告生成，覆盖完整数据分析管线。支持C…»

数据分析师自动化工作流。从数据加载、质量审计、数据清洗、探索性分析(EDA)、统计建模到可视化HTML报告生成，覆盖完整数据分析管线。支持CSV/Excel/JSON/SQLite多格式输入，内置4层数据防御体系。触发词：分析数据、数据分析、帮我分析数据、数据报告、EDA、data analysis、analyze data、生成数据报告、数据可视化、探索性分析。

ClawHub Agent Skills автор: bettermen v1.0.0 MIT-0 11 файлов тело ≈ 771 токенов Открыть источникclawhub.ai↗ проанализирован 16 ч назад

Автоматизированный рабочий процесс для аналитика данных.

Как процесс F 37/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: templates/report.html

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
F
37/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: templates/report.html
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: templates/report.html
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 37/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: templates/report.html
  • 0Инструменты и файлы. Не хватает 1 файла(ов): templates/report.html
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 40Согласованность. Имя во frontmatter (data-analyst) не совпадает с папкой (data-analyst-pipeline)
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 18
  • 100Стоимость исполнения. Тело инструкции 771 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 183 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 18 пунктов
  • +4Есть примеры (3 блоков кода)
  • +3Все 7 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: clean
This is a local data-analysis skill that reads user-selected datasets and creates reports; its risks are mainly privacy and output-handling cautions, not hidden or malicious behavior.
LLM: benign (high) · VirusTotal: · 13 июн. 2026 г.