1实现原理 · 为什么它能做到

全部能力就是一个 182 行的 pandas 函数 summarize_csv(file_path)：读 CSV → 按列类型走固定分支 → 拼字符串报告，并在过程中把图直接用 plt.savefig 落到**当前工作目录**。

analyze.py

def summarize_csv(file_path): """ Comprehensively analyzes a CSV file and generates multiple visualizations. Args: file_path (str): Path to the CSV file Returns: str: Formatted comprehensive analysis of the dataset """ df = pd.read_csv(file_path)

报告是分段追加的字符串数组（'summary.append(...)' 数十处），末尾 'return "\n".join(summary)'；图表文件名与报告文本同为硬编码常量（correlation_heatmap.png / time_series_analysis.png / distributions.png / categorical_distributions.png）。

分支判据完全是列类型/列名子串，而非行业或数据语义：数值列统计+相关、object 列做取值频次、列名含 'date'/'time' 才做时间序列。

analyze.py

date_cols = [c for c in df.columns if 'date' in c.lower() or 'time' in c.lower()]

配套：'numeric_cols = df.select_dtypes(include='number').columns.tolist()'、'categorical_cols = df.select_dtypes(include=['object']).columns.tolist()' 且随后过滤掉名字含 'id' 的列（'categorical_cols = [c for c in categorical_cols if 'id' not in c.lower()]'）。

报告内容与顺序固定：数据总览（行列/列名）→ 每列 dtype → 缺失值统计 → 数值 describe → 相关系数矩阵 → 分类取值 Top10 → 时间序列区间 → 已生成图表清单。

analyze.py

summary.append("📊 DATA OVERVIEW")

缺失值部分会按列给出计数与百分比（'Missing values: {missing:,} ({missing_pct:.2f}% of total data)'），无缺失时输出 '✓ No missing values - dataset is complete!'。

可视化是四类条件图：相关热力图（≥2 数值列）、时间序列折线（有日期列且有数值列，最多 3 条）、数值分布直方图（2x2，最多 4 列）、分类横向条形图（2x2，最多 4 列）。

analyze.py

plt.savefig('correlation_heatmap.png', dpi=150) plt.close() charts_created.append('correlation_heatmap.png')

一律 'plt.savefig(...)' 到相对路径 + 'plt.close()'；数量上限写死在切片里（categorical_cols[:5] 文本、value_counts.head(10)、numeric_cols[:3]/[:4]）。

『不要问用户』被写成最高优先级的硬性行为要求：SKILL.md 用全大写段落禁止一切提问与选项，要求立即跑完整分析并一次交付。

SKILL.md

**DO NOT ASK THE USER WHAT THEY WANT TO DO WITH THE DATA.** **DO NOT OFFER OPTIONS OR CHOICES.**

同一段还列出禁止语句（'What would you like me to do with this data?'、'Here are some common options:' 等）与禁止行为（列选项、等用户指示、给部分分析）。这是本 skill 最鲜明的产品取向：以『零交互』对抗分析类助手常见的过度确认。

触发语境被明确列出（上传/引用 CSV、要求 summarize/analyze/visualize、想了解数据结构与质量），并规定缺失值、日期列等探测细节。

SKILL.md

Claude should use this Skill whenever the user: - Uploads or references a CSV file - Asks to summarize, analyze, or visualize tabular data

调用方式写的是『The Skill provides a Python function summarize_csv(file_path)』——即由宿主 Claude 写/跑代码调用该函数，而非脚本自带 CLI 子命令（analyze.py 只在 __main__ 里接受一个可选路径参数，默认 'resources/sample.csv'）。

分发形式是给 Claude.ai Skills 上传的 zip 包，仓库同时保留同一份源码；zip 内文件与仓库工作区逐字节一致（已校验）。

README.md

2. Go to [Claude.ai](https://claude.ai) → Settings → Capabilities → Skills 3. Upload the zip file 4. Enable the skill

校验：zip 内 analyze.py / SKILL.md / requirements.txt 的 sha256 与仓库同名文件完全一致（见 verification.second_pass）；zip 含 SKILL.md、analyze.py、requirements.txt、resources/{sample.csv,README.md}，与工作区目录结构相同但少了 examples/。

2核心能力

01一次调用产出完整数据体检报告：行列规模、每列类型、缺失值分布、数值描述统计、相关系数矩阵

02自动条件化出图（相关热力图 / 时间序列折线 / 数值分布直方图 / 分类 Top-N 条形图）

03分类列频次剖析（前 5 个分类列、每列 Top 10 取值及占比）

04日期列自动识别与区间统计（实际判据是列名含 'date' 或 'time'）

05缺失值定位到列（计数 + 百分比），作为数据质量结论的一部分

06可脱离宿主独立运行（analyze.py 自带 __main__，默认跑 resources/sample.csv）

07零交互执行纪律：禁止询问、禁止列选项、必须一次给全量结果

3外部依赖

Kind	Dependency / Endpoint
package	pandas
package	matplotlib
package	seaborn
network	无：脚本不发起任何网络请求（无 URL 取数、无遥测、无外部 API）；仓库内 URL 仅出现在 README/resources 的徽章与社区链接中

4管控建议与判定依据

建议配套管控措施

面向 Agent

分级或逐次授权，建议在沙箱运行

面向管理者

审批流程、可回滚、全程审计

判定依据（文件路径与关键语句摘要）

scripts/: 执行本地脚本或命令: python analyze.py [csv_path]（默认 resources/sample.csv）
scripts/ 或 SKILL.md: 声明动态安装外部语言包依赖
本地工作目录: 文件读写与工件输出: **当前工作目录**下按固定文件名写 PNG：correlation_heatmap.png、time_series_analysis.png、dis

审计说明： 。按统一分档：本 skill 属『仅本地工具/本地读写』——用 pandas/matplotlib/seaborn 在本地做统计与绘图，无网络外发、无凭证读取、无子进程、无任意代码执行面；依赖为 PyPI 官方包。之所以不是绿档：它确实执行 Python 脚本、会在工作目录写固定文件名图片（可能覆盖同名文件）、并需安装三项第三方库。外发面与凭证面为零，未触及黄/橙的触发条件。

5第二遍独立确认

[ok] 『无网络外发/无凭证读取』结论 — analyze.py imports 仅 pandas/matplotlib.pyplot/seaborn/pathlib；全仓（排除 .git）关键词扫描 requests|urllib|socket|http|subprocess|os.system|getenv|os.environ 零命中；URL 仅出现在 README/resources/README 的徽章与社区链接。
[discrepancy] 日期列判据与文档不符（实测） — SKILL.md Notes 写 'Automatically detects date columns (columns containing \'date\' in name)'，实际代码是 "'date' in c.lower() or 'time' in c.lower()"。实测在仓库自带演示集上命中 **customer_lifetime_value**（'life**time**' 含 'time'），随后 pd.to_datetime 把 2400 一类整数按纳秒解释成 1970 年，输出 'Date range: 1970-01-01 … to 1970-01-01 …'、'Span: 0 days'，并据此画出无意义的时间序列图（实测 pandas 3.0.5；该行为与 pandas 2.x 一致：to_datetime(int) 亦按纳秒）。即 README 宣称该演示集『Perfect for showcasing time-series analysis』，实际触发的是误判列。
[discrepancy] 『自适应/智能识别行业数据类型』的能力声明 — SKILL.md 列出 Sales/E-commerce、Customer、Financial、Operational、Survey 五类数据的『相应分析』，README 写 'Automatically detects data type (sales, customer, financial, survey, etc.) and applies relevant analysis'；但 analyze.py 没有任何行业或语义分类代码，全部行为由 dtype 与列名子串决定（number→describe/corr/hist，object→value_counts/barh，含 date|time→区间）。属**能力夸大**：它确实会因列构成不同而产出不同报告，但没有『识别数据类型』这一步。
[discrepancy] Notes『Generates visualizations only when date columns are present』 — 实际仅 time_series_analysis.png 需要日期列；distributions.png 只需数值列、categorical_distributions.png 只需分类列、correlation_heatmap.png 只需 ≥2 数值列。该句把条件说得比实现更严，属文档描述偏差（本身不影响使用）。
[discrepancy] SKILL.md『Files』清单与仓库实际文件 — SKILL.md 只列 analyze.py、requirements.txt、resources/sample.csv、resources/README.md；仓库另有 examples/showcase_financial_pl_data.csv（README 重点宣传的演示集）与 csv-data-summarizer.zip（分发包）。清单不完整。
[ok] 分发包与源码一致性 — zip 内 analyze.py（sha256 fa217db952541d59…）、SKILL.md（1599338ac2db52ba…）、requirements.txt（3787888dbf39eb94…）与工作区同名文件哈希完全相同；zip 结构为 SKILL.md/analyze.py/requirements.txt/resources/{sample.csv,README.md}。
[ok] 依赖声明三重一致 — SKILL.md frontmatter metadata（python>=3.8, pandas>=2.0.0, matplotlib>=3.7.0, seaborn>=0.12.0）与 requirements.txt 三行、README Technical Details 段逐项吻合；实际运行时三项库均被 import（seaborn 用于 heatmap，matplotlib 用于绘图）。
[ok] 写盘行为与覆盖风险 — 四处 plt.savefig 全部使用相对文件名（correlation_heatmap.png / time_series_analysis.png / distributions.png / categorical_distributions.png）+ dpi=150 + plt.close()；不创建目录、不检查同名文件、不接受输出路径参数——已在 file_writes 与 risks 记入。

6结论

零门槛：拖一个 CSV 进对话就得到完整报告与多张图，不需要回答任何问题——把『分析类助手最大的摩擦』直接删掉。

实现极简可读可改：单文件 182 行、无抽象层，任何懂 pandas 的人几分钟就能加自己的领域计算或改图型（resources/README 也明确给出改法）。

报告结构完整且稳定：规模/类型/缺失/描述统计/相关/分类频次/时间区间/图表清单八段固定顺序，便于人快速扫读或程序化截取。

输出条件化做得克制：只在数据支持时才出对应图（无日期不出时序、无多数值列不出热力图），避免生成垃圾图表。

完全本地执行，无任何外发与凭证：适合处理含客户/财务字段的敏感表格（数据不出本机）。

适合： 适合：快速摸底一份陌生 CSV（列名、类型、缺失、量级、初步相关与分布）的日常场景；非技术用户想『上传即得报告』；需要在本地处理敏感表格（客户/财务）而不愿外发数据的用户；以及想拿一个极简模板改造出自己领域分析脚本的开发者（单文件、易改）。

不适合： 不适合：期望按行业做专业分析的场景（无行业逻辑，需自行扩展）；需要严谨统计/因果结论或异常值检验的场合（工具只做描述性统计，不做检验与免责）；超大表或流式数据（全量载入内存，无分块）；要求确定输出路径/不覆盖已有文件的流水线（文件名写死）；以及需要跨语言字符集/多编码鲁棒性保障的场景（pd.read_csv 默认编码假设未处理）。

Install Agent-Ready

① Verified Mirror 2026-09-15

Option A · Direct DownloadDownload csv-data-summarizer.tar.gz

sha256: 812ec659a4b533a8…

Option B · Copy Guide for Agent

install.json

agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。

② Upstream GitHub

GitHub Repo ↗

Pinned to commit 9b3affd270.