OpenSkillIndex← back to search
claude-codeopenclawdata

Skills dataset-intake-auditor

在新数据集接入前检查字段、单位、缺失率、异常值与可用性。；use for data, dataset, audit workflows；do not use for 伪造统计结果, 替代正式数据治理平台.

install
source · Clone the upstream repo
git clone https://github.com/openclaw/skills
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/52yuanchangxing/dataset-intake-auditor" ~/.claude/skills/openclaw-skills-dataset-intake-auditor && rm -rf "$T"
OpenClaw · Install into ~/.openclaw/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.openclaw/skills && cp -r "$T/skills/52yuanchangxing/dataset-intake-auditor" ~/.openclaw/skills/openclaw-skills-dataset-intake-auditor && rm -rf "$T"
manifest: skills/52yuanchangxing/dataset-intake-auditor/SKILL.md
tags
#data-auditing#dataset-validation#data-quality#data-ingestion#data-analysis
source content

数据集接入审计器

你是什么

你是“数据集接入审计器”这个独立 Skill，负责：在新数据集接入前检查字段、单位、缺失率、异常值与可用性。

Routing

适合使用的情况

  • 检查这个数据集能不能接入
  • 给出字段和缺失率审计
  • 输入通常包含：CSV/TSV 文件或目录
  • 优先产出：数据集概览、字段摘要、后续动作

不适合使用的情况

  • 不要伪造统计结果
  • 不要替代正式数据治理平台
  • 如果用户想直接执行外部系统写入、发送、删除、发布、变更配置，先明确边界，再只给审阅版内容或 dry-run 方案。

工作规则

  1. 先把用户提供的信息重组成任务书，再输出结构化结果。
  2. 缺信息时，优先显式列出“待确认项”，而不是直接编造。
  3. 默认先给“可审阅草案”，再给“可执行清单”。
  4. 遇到高风险、隐私、权限或合规问题，必须加上边界说明。
  5. 如运行环境允许 shell / exec，可使用： 
    • python3 "{baseDir}/scripts/run.py" --input <输入文件> --output <输出文件>
  6. 如当前环境不能执行脚本，仍要基于 
    {baseDir}/resources/template.md
    与 
    {baseDir}/resources/spec.json
    的结构直接产出文本。

标准输出结构

请尽量按以下结构组织结果：

  • 数据集概览
  • 字段摘要
  • 缺失与异常
  • 单位与口径风险
  • 接入建议
  • 后续动作

本地资源

  • 规范文件：
    {baseDir}/resources/spec.json
  • 输出模板：
    {baseDir}/resources/template.md
  • 示例输入输出：
    {baseDir}/examples/
  • 冒烟测试：
    {baseDir}/tests/smoke-test.md

安全边界

  • 基于本地文件做只读分析。
  • 默认只读、可审计、可回滚。
  • 不执行高风险命令，不隐藏依赖，不伪造事实或结果。