Rylaispirit/rylai-codex-hermes-skills

Erstellen Sie publikationsfähige Diagrammbilder aus bereitgestellten Daten unter Verwendung einer verfügbaren Plotting-Bibliothek mit expliziten Skalen, Beschriftungen und visueller Qualitätssicherung.

Was ist rylai-codex-hermes-skills?

Dieses Skill ermöglicht die automatisierte Generierung hochwertiger Diagrammbilder (z. B. als SVG oder PNG) aus Daten. Es ist besonders nützlich für Entwickler und KI-Agenten, die in Umgebungen wie Claude Code, Codex oder Hermes arbeiten. Das Skill prüft zunächst das Schema, Einheiten, fehlende Werte und Kategorien der Daten, wählt eine geeignete Diagrammart aus (z. B. Matplotlib, Seaborn, Plotly, Vega-Lite) und erstellt das Bild mit beschrifteten Achsen, Einheiten, Legenden und Quellenangaben. Es führt eine visuelle Qualitätskontrolle durch, um Beschriftungen, Skalierungen und Farbkontraste zu prüfen. Die Ergebnisse sind reproduzierbar und als portables Node.js-Skript (`scripts/chart.mjs`) oder mit der vorhandenen Plotting-Infrastruktur des Repositories nutzbar. Es unterstützt mehrere Plattformen: Codex, Hermes, Claude Code sowie Claude.ai und Cowork über ZIP-Pakete.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor

npx skills add https://github.com/Rylaispirit/rylai-codex-hermes-skills/tree/HEAD/skills/chart-image

Dokumentation

Rylai Codex-Hermes-Claude Edition | Original portabler Workflow von Rylai

Laufzeitkompatibilität

Codex: Installation unter ~/.agents/skills/chart-image.
Hermes: Installation unter ~/.hermes/skills/chart-image oder das Bundle über skills.external_dirs verfügbar machen.
Claude Code: Installation unter ~/.claude/skills/chart-image oder <project>/.claude/skills/chart-image.
Claude.ai und Cowork: Das passende ZIP pro Skill hochladen und aktivieren.
Dateien relativ zum Skill-Verzeichnis auflösen; nicht auf Pfade von einem anderen Rechner angewiesen sein.
Tools, Pakete, Anmeldedaten, Netzwerkzugriff und Laufzeitfähigkeiten vor der Ausführung prüfen.

Portables Diagrammbild

Erstellen Sie ein Diagrammbild aus den tatsächlich bereitgestellten Daten.

Workflow

Schema, Einheiten, fehlende Werte, Kategorien und Zeitfelder inspizieren.
Einen Diagrammtyp wählen, der der analytischen Fragestellung entspricht.
Eine verfügbare Bibliothek nutzen, wie Matplotlib, Seaborn, Plotly, Vega-Lite oder den vorhandenen Plotting-Stack des Repositories.
Achsen, Einheiten, Legenden, Quellenangaben und ggf. Unsicherheiten beschriften.
node scripts/chart.mjs für portablen SVG-Output bevorzugen, oder den installierten Plotting-Stack des Repositories verwenden.
Das gerenderte Bild auf Abschneidungen, unleserliche Beschriftungen, irreführende Skalen und Farbkontraste prüfen.

Integrität

Keine Werte ableiten, die in den Daten nicht vorhanden sind.
Quantitative Achsen bei einer angemessenen Baselinie beginnen und Kürzungen offenlegen.
Ein reproduzierbares Skript oder Notebook mit dem Output aufbewahren.