数据与分析 jupyter-notebookpythonpandasnumpyscikit-learndata-analysis

Golden Jupyter 笔记本技能

帮助复现和审阅 Golden_Jupyter 数据分析笔记本中的方法、示例与结果。

FollowSkills 评估 · FSRS-2.0
不推荐
37/ 100 五分制 1.9 / 5
信任安全12 / 25 · 2.4/5

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。

可靠稳定6 / 20 · 1.5/5

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。

适用触发6 / 15 · 2.0/5

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。

规范维护6 / 15 · 2.0/5

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。

有效结果4 / 15 · 1.3/5

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。

证据核验3 / 10 · 1.5/5

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。

证据充分度: 评估于 2026年7月20日 审查版本 d3f9b2c93779
使用前请注意
  • 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。
查看完整评分方法 →

它能做什么 & 适用场景

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.mdreferences/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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。

优缺点一览

优点
  • 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。
局限
  • 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。

如何安装

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。

如何使用

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

常见问题

它适合生产数据分析吗?
来源只说明它用于测试 golden_jupyter golden build,以及查阅和复现笔记本分析内容;没有证据表明它是生产级分析工具。
使用它需要哪些依赖?
笔记本信息列出 Python 3.11.4,并导入 numpy、pandas 和 scikit-learn。示例还展示了 `pip install pandas`。
它能处理任意 Jupyter 笔记本吗?
不能据此确认。该技能只描述一个名为 Golden_Jupyter 的特定笔记本及其测试用途。

同仓库的其他 Skills

均来自 yusufkaraaslan/Skill_Seekers

开发与工程

Skill Seekers 技能构建器

将文档、代码仓库和 PDF 转换为可供 AI 使用的技能,并检测文档与实现之间的冲突。

开发与工程

Man Page 单页查询技能

从 curl 手册页中快速查找命令选项、用法示例和相关引用。

开发与工程

Golden Man 命令参考技能

快速查阅 golden_man 相关 Git 与 Curl 命令、选项、示例及交叉引用。

写作与内容

Quiet Feed 空订阅源技能

帮助智能体查看一个暂无文章的 Atom 订阅源。

开发与工程

Skill Seekers 自托管引导技能

将 Skill Seekers 自身代码库生成可安装的 Claude Code 技能。

开发与工程

Skill Seekers 技能构建器

把文档、代码库和其他知识源转换为可用的 AI 技能。

开发与工程

Web Handbook 文档技能

帮助代理测试并查阅多文件 HTML 文档构建结果。

开发与工程

Golden EPUB 关键词分类技能

帮助测试文档关键词分类,并快速定位结构化技术内容。

开发与工程

PDF 关键词分类测试技能

帮助验证 PDF 文档中的关键词分类、章节结构和示例提取结果。

开发与工程

EPUB 文档测试助手

用于测试 EPUB 黄金构建并检索示例文档中的概念、API 与故障排查信息。

开发与工程

RSS 工程博客参考技能

提供示例 RSS 工程博客的文章、作者、标签与导航信息。

数据与分析

Golden Jupyter 目录笔记本技能

帮助代理理解、复现和审阅 Jupyter 笔记本中的数据分析流程。

开发与工程

Golden PPTX 关键词分类技能

用于测试演示文稿关键词分类,并快速检索幻灯片中的结构化内容。

数据与分析

Jupyter 主题分析测试技能

用于验证 golden_jupyter_topics Notebook 构建并参考其分析内容。

开发与工程

PDF 章节分类文档技能

帮助代理按章节理解和检索 PDF 文档内容。

开发与工程

Golden Word 文档技能

用于测试 Word 文档黄金构建的结构化参考技能。

开发与工程

关键词分类测试文档技能

为关键词分类测试提供结构化的 HTML 文档、示例和导航索引。

效率与协作

空白 Slack 聊天技能

为测试空 Slack 导出而生成的聊天知识技能。

开发与工程

Discord 对话知识检索技能

从 Discord 历史对话中快速查找解决方案、代码片段和团队决策。

写作与内容

Web 手册文档技能

从结构化的 Web 手册中快速查找概念、API、示例与故障排查信息。

相关 Skills