这个 Skill 能做什么，适合哪些场景？
这是一个面向 Earth2Studio 的开发工作流技能，用于从 S3、GCS、Azure、HTTP 或 HuggingFace 等远程存储构建数据源包装器。它覆盖数据源类型判断、依赖分析、实现、测试、注册、文档、验证和 PR 准备。技能支持 DataSource、ForecastSource、DataFrameSource 和 ForecastFrameSource。它适合需要新增远程数据接入能力的 Earth2Studio 开发者，不适用于使用现有数据源取数、模型推理或安装任务。
读取远程数据存储的描述或 URL，分析后端、格式、认证方式、访问模式、时空分辨率和变量清单；检查 pyproject.toml 和 Earth2Studio 词汇表；生成词汇映射、源文件和测试文件；指导依赖添加、数据源注册、文档与 CHANGELOG 更新；运行 pytest、格式化、lint 和可选的数据变量验证，最后准备分支、提交和 PR 内容。
- Earth2Studio 开发者需要接入 S3 上的新网格化分析数据时，用它判断 DataSource 类型并生成实现与测试。
- 团队需要接入带 lead_time 的远程预报数据时，用它选择 ForecastSource 或 ForecastFrameSource 工作流。
- 数据来自 GCS、Azure、HTTP 或 HuggingFace，开发者希望优先采用 fsspec 生态时，用它分析依赖和访问方式。
- 维护者需要为新数据源补齐词汇映射、注册、文档、测试和 CHANGELOG 时，用它按既定顺序执行。
如何安装这个 Skill？
- 除源类型和图表外，确认门通常不阻塞；代理可能在未获明确同意时创建分支、提交、推送或发起 PR。
- 私有远程数据需要凭据，但未规定凭据注入、日志脱敏、最小权限或数据外传边界。
- 引用的 implementation-guide.py、testing-guide.py 和 validation-guide.md 未包含在本次材料中，关键实现细节无法独立核验。
- 核心流程依赖远程存储、GitHub 和 Earth2Studio 环境；未说明中国大陆网络可达性或离线替代方案。
- Shell / 命令行
- 网络访问
- 本地文件系统
Python 3.10+uvGitGitHub CLI (gh)Earth2Studio development environment
使用 NVIDIA/skills 集合的安装命令：npx skills add nvidia/skills --skill earth2studio-create-datasource --yes。README 未说明其他特定安装步骤。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/NVIDIA/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/earth2studio-create-datasource" ~/.claude/skills/
rm -rf "$tmp"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：
- 为这个 S3 数据集创建 Earth2Studio 数据源：https://example.com/data
向已加载该技能的 Agent 提供远程数据存储 URL 或描述，例如：“为这个 S3 数据集创建 Earth2Studio 数据源：https://example.com/data”。若不提供参数，技能会要求补充 URL、API 文档链接或数据存储描述。一次调用只处理一种数据源类型。
这个 Skill 有哪些优点和局限？
- 覆盖从类型判断到测试、验证和 PR 准备的完整流程。
- 明确要求先交付源文件和测试文件，并提供异步数据获取的实现约束。
- 支持多种远程存储，并优先推荐 fsspec 后端。
- 包含变量词汇映射、缓存、并发、重试和资源清理等工程要求。
- 依赖可用的 Earth2Studio 开发环境、uv、Git 配置和远程数据存储访问权限。
- 真实变量验证和健全性绘图需要网络访问及用户确认。
- 源材料没有提供具体数据源实现、测试结果或平台覆盖证据。
- 仓库元数据中的许可证为 NOASSERTION；技能自身 frontmatter 标注 Apache-2.0，而 README 说明集合采用 Apache-2.0 与 CC BY-4.0 双许可证。
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 |
|---|---|---|---|---|
| Earth2Studio 数据源构建器 本页 ✓ NVIDIA · 官方 | 43 · 不推荐 | ★ 3.6k | 13 天前 | Apache-2.0 |
| Earth2Studio 诊断模型构建器 ✓ NVIDIA · 官方 | 56 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| Earth2Studio 确定性预报 ✓ NVIDIA · 官方 | 53 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| Earth2Studio 预报模型封装技能 ✓ NVIDIA · 官方 | 50 · 谨慎使用 | ★ 3.6k | 13 天前 | Apache-2.0 |
| Azure Data Lake Gen2 Python 技能 ✓ Microsoft · 官方 | 53 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
FollowSkills 如何评估这个 Skill？
技能明确要求使用用户确认来决定源类型和 sanity-check 图，并建议缓存清理、重试和不提交密钥；但依赖、访问模式以及分支创建、提交、推送和开 PR 的确认大多只是 advisory，未充分说明凭据处理、数据流、权限边界、回滚和远程副作用，因此扣分。
步骤顺序、异步重试、并发限制、超时、异常类型和 try/finally 清理要求较清楚，且规定了失败时的时间和变量校验；但依赖未提供的 references 文件，缺少技能自身可执行的测试套件，且静态材料无法证明关键路径可运行，因此按静态上限保守扣分。
目标用户、输入提示、四种源类型、明确的非适用场景和单源类型限制较清楚；但要求完整 Earth2Studio 开发环境、uv、Git remotes、远程数据访问和可能的凭据，未说明中文使用方式或中国大陆网络限制，触发边界仍需代理判断，因此扣分。
具备 name、version、Apache-2.0、作者、标签、参考文件表、方法顺序、文档和 CHANGELOG 要求，README 还说明仓库维护和每日同步；但 description 被 benchmark 标记过长，示例、FAQ、依赖版本、更新责任和实际 changelog 内容不足，references 文件内容未随材料提供，因此扣分。
工作流覆盖分析、实现、测试、注册、文档、验证和 PR，理论上能完成数据源接入；但大量步骤依赖外部仓库、远程数据和未提供的模板，且测试执行、覆盖率和最终产物未在本次静态材料中验证，输出仍可能需要较多人工修正，因此按静态上限保守评分。
SKILL.md 提供了可审计的步骤、命令、文件位置和验收要求，BENCHMARK.md 也记录了静态检查结果；但 Tier 3 结果不可用，没有提交的关键路径测试或真实执行证据，无法独立复现主要结论，因此扣分。
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 →