Community研究與資料分析github.com

seacen/data-analyst-sz

一位訓練有素的資深資料分析師,隨叫隨到 — 在任意結構化資料上執行專業 9 步驟分析框架,每個數字都可追溯。

data-analyst-sz 是什麼?

這是一個 AI 原生的結構化資料分析技能,採用獨特的「0+9 工作流程」與可插拔領域套件(domain packs)設計。Step 0 負責領域偵測,Step 1-9 涵蓋從資料剖析、訊號掃描、假設驗證到洞察合成的完整分析循環。所有數值計算(如聚合、佔比、拆解)皆由代理即時生成並執行 pandas 程式碼,杜絕 LLM 直接推導數字,確保每個數字都可回溯至 `verdicts.json`。此技能支援 Claude Code、Cursor、Codex 等平台,特別強調狀態持久化(每輪讀寫 `analysis_state.json`)與預設交付物為 HTML 簡報(insight_deck.html)與 Markdown 報告(insight_report.md)的雙軌輸出,並通過 deck_audit 閘門驗證資料完整性與覆蓋度。領域知識完全封裝於 `domains/<name>/` 目錄,保持核心框架的領域中立性,新增領域只需填寫預先定義的槽檔案即可擴充。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add seacen/data-analyst-sz

Installed? Explore more 研究與資料分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

資料分析技能

AI 原生 結構化資料分析:一套通用 0+9 workflow + 可插拔 domain packs。本文件是入口(域檢測 + 關鍵規則 + 指標);詳細做法按需從 references/ 和所選 domain pack 載入。本 Skill 保持 domain-neutral——任何 domain 知識都在 domains/<name>/,本文件不出現具體 domain 名。

運作方式 — 0+9 workflow

Step 0 的域檢測在本文件;Step 1–9 的做法、每步載入什麼、產出什麼,全部請見 references/9-step-framework.md(含唯一權威的 per-step 載入表)。任何分析開始時先載入它。

Step一句話
0 Domain Detect讀 resolver → 路由到 domain pack(或 generic)
1 Profileagent 現寫 profiling:列→欄位角色、週期/snapshot 判定、算 data gap
2 Signal Scan現寫訊號掃描(異常 / 顯著變化 / 指數對基準偏離)
3 Clarify僅當歧義或資料侷限擋住訴求時才問(在此把 gap 呈現給使用者)
4 Frame用 domain framework.md 搭 MECE issue tree
5 Hypothesize可證偽假設,掛 domain lever
6 Verify現寫 pandas 驗證 → verdicts.json
7 Decompose現寫拆解 → drivers.json
8 SynthesizePyramid 輸出 + domain insight 擴展;預設兩份並行:insight_deck.html(HTML deck)+ insight_report.md(1:1 鏡像),通過 deck_audit 第三閘門(Quick/follow-up 可豁免 deck)
9 Follow-up延伸 issue tree 回答後續問題

全 instruction-based,不預置腳本:Step 1/2/6/7 的程式碼都由 agent 現寫並執行——但寫之前先讀真實資料 + 所選 domain 的 data-spec / glossary / computation-reference,搞清這份資料自己的欄位與週期口徑,再依指令產生程式碼。不預設欄位名/週期詞(LY/TY/MAT 並非通用)。欄位角色映射是 AI 語義判斷(讀 data-spec §1.0)。

Step 0 — Domain Detection(入口決策)

  1. 讀 references/resolver.md(domain-neutral 評分機制)並列舉各 domains/<slug>/triggers.md(每個 domain 自帶的觸發區塊)。
  2. 用「使用者措辭 / 資料列(Step 1 後) / 專案提示檔 ./.data-analysis-domain」給每個 domain 評分。
  3. 路由:≥2 訊號指向同一 domain → 靜默路由;歧義 → 依 clarification-protocol.md 讓使用者選擇;零匹配 → generic 模式並告知。
  4. 讀取路由到的 domains/<slug>/README.md,其餘槽位依 9-step 載入表在對應 step 載入。
  5. 記錄 outputs/analysis_state.json::domain_selected,後續輪次複用、不重檢。

關鍵規則(不可違反;細節請見 references/anti-hallucination.md)

  1. LLM 絕不算數字。 聚合 / 佔比 / 指數 / 拆解 → 一律 agent 現寫並執行 pandas;輸出裡沒有 LLM 推導的數字。
  2. 每個數字引用 verdict_id,回溯 outputs/verdicts.json。
  3. 先檢測、再釐清。 跑完 Step 0–2 之前不問「要分析什麼」;預設直接做,事後可調整。
  4. 狀態持久化。 每輪先讀、回覆前更新 outputs/analysis_state.json。
  5. 覆蓋度,不許靜默丟葉子。 issue tree(Step 4)裡每個資料可行的葉子,在 Step 6 必須 answered 或顯式 skip(附原因);「時間不夠」不是合法理由。Step 8 critic 校驗覆蓋度。細節請見 references/9-step-framework.md Step 6 覆蓋度閘門。
  6. 預設交付 = deck + report,不是內聯對話。 任何結構化資料分析請求,預設走完整 0+9 workflow 並在 Step 8 產出 outputs/insight_deck.html + outputs/insight_report.md(落地、通過 deck_audit)——這是預設交付物,不是「可選加分項」。在對話裡丟幾張表/幾段文字 ≠ 完成分析(那是沒進入 Step 8)。一個聚焦/具體的分析問題(如「看 X 的分佈」「誰在某段贏」)不是「輕量請求」——它照樣跑全流程、出 deck。 唯二豁免:① Step 9 follow-up(對已完成分析的追問);② 使用者明確要「快速/簡短/口頭回答一下」。豁免時也要在回覆中明確說明「本輪依輕量模式、未出 deck」。細節請見 references/9-step-framework.md Step 8 + references/insight-templates.md。

Domain packs

一個 pack = 一組通用命名的 .md 槽位:triggers(Step 0 域檢測觸發區塊)· glossary · data-spec · framework · computation-reference · insight-extensions · context-notes · clarification-extensions · business-rules.md。 槽位協議、誰填、三類內容、維護流程 → references/domain-pack-protocol.md(唯一權威)。 產生/維護一個 pack → domain-pack-builder skill。

新增一個 domain

建立 domains/<new>/ 填滿槽位(含 triggers.md 觸發區塊)。本 Skill 及其它通用檔案不修改——resolver 機制自動列舉到新包的 triggers.md。


v0.9(2026-06-09 deck 閘門對稱化):把 HTML deck 從「埋在 Step 8 槽檔案裡的預設」升級為框架級硬退出條件——Step 8 的載入表產出欄、Outputs、Critic、Exit condition 四處統一改為「預設兩份並行:insight_deck.html + insight_report.md(1:1 鏡像),通過 deck_audit.py 第三閘門(與 data_integrity + coverage 同級)」;Quick/Step9-follow-up 可豁免 deck 但須明確說明。修復的實測漏點:focused 問題只寫了 .md 報告就當 Step 8 完成、deck 靜默缺席(根因:沒載入 insight-templates.md+insight-extensions.md 兩個槽,故 Outputs 段加「先讀兩個槽」硬提醒)。保持通用層 domain-neutral(deck/audit 為通用概念,設計系統/禁用詞/字型檔/logo-id 全部執行時從 domain 讀)。 v0.8(2026-05-30 robustness hardening):新增覆蓋度閘門(critical rule 5,葉子不許靜默丟棄);Step 2 資料完整性檢查(佔比加總/嵌入聚合行);Step 7 拆解粒度鐵律;多層表頭馴服套路;腳本統一產出 outputs/scripts/ + 命名約定 + schema 指紋複用(同 schema 資料重傳不重寫 loaders);Step 8 強制 insight_report.md 落地。並從通用層清除殘留的 domain 特定痕跡(復位為 domain-neutral)。v0.7:全 instruction-based(移除預置腳本)。v0.6:Skill Creator 標準化。

相關技能