这个 Skill 能做什么，适合哪些场景？
这是一个 Claude Skill，当用户上传或提及 CSV 文件时自动激活。它使用 Python 和 pandas 加载数据，识别数据结构（销售、客户、财务、运营、调研等类型），生成摘要统计、缺失数据分析以及仅与该数据集相关的可视化图表（时间序列图、相关性热力图、分布直方图、分类条形图）。其核心设计原则是“主动式”：不询问用户想做什么，直接一次性输出完整分析。仓库包含分析引擎 analyze.py、依赖清单和示例数据集，内置一个 15 个月、25 项财务指标的 P&L 演示数据。
读取 CSV 文件并加载为 pandas DataFrame；识别列类型、日期列和数值列；根据数据内容判断业务场景（销售/客户/财务/运营/调研）；执行相应的统计分析（趋势、相关性、分布、交叉表）；检测并报告缺失数据；仅在数据支持时生成对应图表；通过 summarize_csv(file_path) 函数返回完整文本摘要和 PNG 可视化文件。
- 电商或销售团队拿到订单 CSV，想立刻看到收入趋势和产品表现
- 财务人员上传交易或 P&L 数据，需要趋势检测和相关性分析
- 调研分析者有带分类回答和评分的问卷数据，需要频次分布和交叉表
- 运营人员有带时间戳和指标的运营数据，需要时间序列和性能指标分析
- 任何想在 Claude 对话中快速了解陌生 CSV 数据结构和质量的用户
如何安装这个 Skill？
- SKILL.md强制跳过用户确认，任何CSV都会立即触发完整分析与多张图表生成，可能在本地写入/覆盖同名PNG文件，请留意输出目录。
- 文档与代码行为不一致：声称仅在有日期列时绘图，实际总会生成分布图等。
- 无LICENSE文件证据、发布者未经验证，企业合规使用前请自行核实许可。
- 日期解析使用errors='coerce'，极端情况下可能出现NaT导致的运行错误；大文件无防护。
- 静态审查未执行代码，所有结论基于源码阅读，置信度为低。
- Shell / 命令行
- 本地文件系统
Python >=3.8pandas >=2.0.0matplotlib >=3.7.0seaborn >=0.12.0
Claude.ai 用户：1) 从仓库 Releases 下载 csv-data-summarizer.zip；2) 打开 Claude.ai → 设置 → Capabilities → Skills；3) 上传 zip 并启用。开发者：git clone [email protected]:coffeefuelbump/csv-data-summarizer-claude-skill.git && cd csv-data-summarizer-claude-skill && pip install -r requirements.txt。
git clone --depth 1 https://github.com/coffeefuelbump/csv-data-summarizer-claude-skill.git ~/.claude/skills/csv-data-summarizer-claude-skill根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 这是 sales_data.csv，帮我总结这个文件
- 分析这个客户数据 CSV 并展示趋势
在 Claude.ai 上传任意 CSV 文件，技能会自动激活并立即执行完整分析，无需额外提示。示例触发语：「这是 sales_data.csv，帮我总结这个文件」或「分析这个客户数据 CSV 并展示趋势」。输出包含数据概览、摘要统计、缺失值检查、相关性和多张可视化图表。
这个 Skill 有哪些优点和局限？
- 零提示设计：上传即分析，不要求用户选择分析类型
- 自适应分析：按数据类型（销售、财务、调研等）选择相关统计和图表
- 图表按需生成，只创建数据支持的图（如仅有日期列才画时间序列）
- 自带 15 个月财务 P&L 演示数据，便于快速验证
- 依赖明确（Python 3.8+、pandas 2.0+ 等）且提供示例输出
- 仓库 Topics 标注为 claude-skills，README 声称 MIT 许可证，但 GitHub 元数据显示许可证未知，需自行核实 LICENSE 文件
- 强制“不询问直接分析”的行为在数据敏感或意图不明的场景下可能产生不合需要的输出
- 未提供测试套件；对各平台的实际兼容性没有验证证据
- 技能说明自身存在不一致：Notes 部分称仅在存在日期列时生成可视化，与正文“多种图表”的说法有出入
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| CSV 数据总结分析技能 本页 | 45 · 不推荐 | ★ 471 | 1 年前 | — |
| CSV/Excel 深度数据分析技能 | 47 · 谨慎使用 | ★ 20k | 14 天前 | MIT |
| Nature 级科研绘图技能（nature-figure） | 60 · 推荐 | ★ 48k | 11 天前 | Apache-2.0 |
| 工作区数据分析师 | 54 · 谨慎使用 | ★ 11k | 27 天前 | MIT |
| OfficeCLI 数据仪表盘技能 | 57 · 谨慎使用 | ★ 32k | 12 天前 | Apache-2.0 |
FollowSkills 如何评估这个 Skill？
无恶意行为、无网络外传、无凭证访问，数据流为本地读取CSV并输出PNG/文本，透明度尚可。但SKILL.md以强指令强制跳过用户确认（'DO NOT ASK'、立即自动执行并生成全部图表），属于未经同意的过度自动化，且无回滚或输出文件覆盖提示；扣分主要在此。
analyze.py主路径逻辑自洽：读取CSV、统计、相关性、时间序列、分布图均有实现，单数字列的axes处理也有兜底。但存在不一致：SKILL.md的Notes称'仅在有日期列时生成可视化'，代码实际总是生成分布图/相关性图；date列用errors='coerce'后可能全为NaT导致min/max异常；大文件和高基数类别列无保护；无测试与错误反馈设计，扣分在此。
场景清晰（CSV分析），触发条件描述明确，行业自适应意图合理；但未声明非适用边界（超大数据、非表格CSV、编码问题）、无中文支持说明，无中国大陆网络可达性问题（纯本地依赖），但环境适配证据有限，扣分在此。
有版本号2.1.0、依赖声明、目录结构、示例输出和示例数据，可读性好；但SKILL.md与代码行为存在文档漂移，README营销内容占比过高，frontmatter中license为unknown而README声称MIT（本仓库未见LICENSE文件证据），无changelog与维护责任说明，扣分在此。
核心任务（摘要统计、缺失值、相关性、可视化）覆盖完整，输出格式直接可用，优于手动分析；但为静态审查，无执行证据，且代码在边角输入下可能中断需人工修复，边际价值证据有限，按静态上限控制在7以内并扣分。
仅有源码与示例输出描述，无测试套件、无CI执行证据、无第三方复现材料；示例输出为作者自述，无法独立验证，按静态上限5以内扣分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →