这个 Skill 能做什么，适合哪些场景？
这是一个用于测试 golden_jupyter golden build 的 Jupyter 笔记本参考技能。它覆盖 5 个章节，重点包括 Getting Started 和 Modeling Results。内容面向 Python 3.11.4，涉及 numpy、pandas 和 scikit-learn。它适合需要理解笔记本分析流程、代码示例、可视化与结果的人，但不是通用的 Jupyter 教程或生产级分析工具。
提供一个 Notebook 技能的结构化参考，包括章节导航、主题概览、依赖列表、Bash 和 Python 代码示例，以及 references/analysis.md 和 references/index.md 等参考文件位置。它支持查阅 Golden_Jupyter 概念与分析流程、复现数据分析或计算步骤，并审阅方法、可视化和结果。
- 需要测试 golden_jupyter golden build 的开发者，用它核对笔记本技能是否生成正确。
- 数据分析人员，需要查找 pandas 读取 CSV、查看数据或建模相关代码模式时。
- 需要复现笔记本计算步骤的用户，可依据 Python 3.11.4 和列出的依赖检查环境。
- 审阅分析方法和结果的用户，可通过章节与参考文件导航定位内容。
如何安装这个 Skill？
- 不要将该技能中的代码示例视为已验证的可运行流程；尤其需要修复截断的 long_example、未定义的 broken()，并核对统计信息。
- pip install 和本地文件读取示例未说明依赖锁定、输入来源或敏感数据处理，使用真实数据前应进行隔离和人工确认。
- 发布者未通过 FollowSkills 企业注册表验证，身份应视为未知；仓库 MIT 许可证不等于该具体生成内容已完成独立质量验证。
- 本地文件系统
Python 3.11.4numpypandasscikit-learn
README 记录了集合级安装方式：pip install skill-seekers[jupyter] 可启用 Jupyter Notebook 支持。来源没有记录将 tests/golden/phase2/jupyter/SKILL.md 单独安装到某个 Agent 的具体目录，因此单独安装路径未说明。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/yusufkaraaslan/Skill_Seekers.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/tests/golden/phase2/jupyter" ~/.claude/skills/
rm -rf "$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？
在已加载该技能的 Agent 中请求：Use golden-jupyter when testing the golden_jupyter golden build. 也可以要求它解释 Golden_Jupyter 概念、查找代码示例、复现分析步骤，或审阅方法、可视化与结果。参考内容位于 references/analysis.md，完整结构见 references/index.md。
这个 Skill 有哪些优点和局限？
- 范围明确，专门面向 golden_jupyter golden build 测试。
- 提供章节、主题、依赖、语言和参考文件导航。
- 同时包含 Bash 与 Python 示例，并覆盖 Getting Started 和 Modeling Results。
- 内容仅覆盖一个笔记本和 5 个章节，范围较窄。
- 部分长 Python 示例在来源中以省略号截断，无法完整复现。
- SKILL.md 没有记录独立安装目录或独立运行命令。
- 依赖列表包含 numpy、pandas 和 scikit-learn，但来源没有提供完整环境配置文件。
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 |
|---|---|---|---|---|
| Golden Jupyter 笔记本技能 本页 | 37 · 不推荐 | ★ 15k | 25 天前 | MIT |
| Jupyter 主题分析测试技能 | 31 · 不推荐 | ★ 15k | 25 天前 | MIT |
| Jupyter 数据分析参考技能 | 26 · 不推荐 | ★ 15k | 25 天前 | MIT |
| Golden Jupyter 目录笔记本技能 | 34 · 不推荐 | ★ 15k | 25 天前 | MIT |
| Jupyter 笔记本工作流助手 ✓ OpenAI · 官方 | 49 · 谨慎使用 | ★ 28k | 4 个月前 | — |
FollowSkills 如何评估这个 Skill？
技能仅提供笔记本参考内容，未见恶意行为、凭据窃取或破坏性默认操作；但包含 pip install 和本地 data.csv 读取示例，未说明数据流、依赖来源、敏感数据处理、用户确认或回滚机制，因此扣分。
结构和引用文件基本一致，但 SKILL.md 的统计与示例数量存在矛盾，导入包列表与展示代码不完全对应，长代码示例明显截断，且 %timeit broken() 明确会产生 NameError；未见针对该技能关键路径的可复现执行证据，因此按静态上限保守扣分。
目标场景是理解和复现 golden_jupyter 笔记本，主题、语言和依赖有一定说明；但触发条件、输入输出、非适用范围和失败边界不清晰，技能本身没有中文支持说明，亦未证明在中国大陆网络环境中的可达性，因此扣分。
具有基本的 front matter、章节概览、依赖、快速参考和 references 导航；但缺少技能版本、变更记录、维护责任、更新路径、FAQ、限制说明和安装前提，且生成内容存在统计不一致，因此扣分。
可作为简短的 Jupyter 内容索引和代码片段参考，但输出不是完整可直接运行的 notebook，存在截断代码、未定义函数和不一致统计，用户仍需较多核验和修订；静态证据不足以证明其相对手工查看的额外价值。
提交了 SKILL.md、references 文件以及仓库级测试和 CI 配置，提供有限的审计线索；但现有证据未显示该目标技能的专门测试、第三方执行结果或独立交叉验证，且示例内部已有可观察不一致，因此仅给有限分数。
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 →