CommunityPesquisa e Análise de Dadosgithub.com

Validador de Compatibilidade entre Plataformas para Skills de A…

Testador de compatibilidade multiplataforma para Skills de Agentes — execute um único SKILL.md no Claude Code, Codex e Gemini CLI; veja onde eles divergem.

O que é Validador de Compatibilidade entre Plataformas para Skills de A…?

Este Skill permite que você teste e compare o comportamento de um mesmo arquivo SKILL.md em diferentes plataformas de agentes de IA (Claude Code, Codex e Gemini CLI). Ele é útil para desenvolvedores que criam Skills multiplataforma e precisam garantir consistência de comportamento entre ambientes. O Skill analisa a execução de uma skill em cada plataforma, detecta diferenças nas saídas e gera um relatório detalhado de divergências. Funciona como uma ferramenta de integração contínua para Skills, ajudando a identificar problemas de compatibilidade antes da distribuição.

Funciona com✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add suifeng156/skillport

Installed? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Resumidor de CSV

Quando o usuário pedir para você resumir ou criar um perfil de um arquivo CSV, siga este protocolo.

1. Identificar o arquivo

Se o usuário nomear um arquivo específico, use esse. Caso contrário, liste os arquivos .csv no diretório de trabalho e use o mais recentemente modificado. Informe o nome do arquivo escolhido.

2. Ler e analisar

Leia o arquivo (ou suas primeiras 1000 linhas se for muito grande). Calcule:

  • Contagem de linhas — total de linhas excluindo o cabeçalho.
  • Contagem de colunas — a partir da linha de cabeçalho.
  • Por coluna:
    • Tipo inferido: integer, decimal, date, boolean, string ou mixed.
    • Quantidade de valores distintos para colunas de baixa cardinalidade (< 20 valores distintos).
    • Um valor de amostra representativo.
  • Indicadores de qualidade de dados — valores ausentes, inconsistências de tipo dentro de uma coluna, outliers suspeitos, datas mal formatadas, linhas duplicadas.

3. Formato do relatório

Produza uma única resposta com:

  1. Um cabeçalho de uma linha: csv-summarizer: <nome do arquivo> (N linhas × M colunas).
  2. Uma tabela markdown das colunas: | nome | tipo inferido | amostra | observações |.
  3. Um parágrafo curto intitulado "Qualidade dos dados" descrevendo quaisquer indicadores encontrados, ou "Nenhum problema detectado" se não houver nenhum.

Não modifique o arquivo. Apenas leitura.

Habilidades Relacionadas