前言¶
在 Cursor、Claude Code 等环境里做数据分析时，常见做法是临时写一段 Python，或让模型「凭感觉」描述表格。前者要反复对齐统计口径，后者容易跳过假设检验、相关性是否显著等步骤。下面介绍 SkillHub 上的社区 Skill「数据分析」：它用 SKILL.md 约束 Agent，把统计方法、趋势识别、假设检验和相关性分析串成可重复的分析流程，目标是从数据集里提取可核对的洞察，而不是只给一段泛泛结论。
这是什么¶
「数据分析」是 SkillHub 分类 data-analysis 下的社区 Skill，坐标为 @user_3c6cb52e/data-analysis-skillhub，当前版本 1.0.0，发布者为 user_3c6cb52e，来源标记为 community。官方简介写明：通过统计方法、趋势识别、假设检验和相关性分析来分析数据集以提取洞察。页面标签显示 requires_api_key=false，安装后一般不需要额外配置第三方 API Key。
Skill 详情页：https://www.skillhub.cn/skills/user_3c6cb52e/data-analysis-skillhub
API 索引：https://api.skillhub.cn/user_3c6cb52e/data-analysis-skillhub
（SkillHub 页面展示的社区数据：评分 100000，下载 8696 次，安装计数 0；以页面当时显示为准。）
核心功能¶
依据官方简介，该 Skill 覆盖的能力可以概括为四类，均围绕「数据集 → 洞察」：
- 统计方法：对数值列做描述统计、分布与汇总，为后续推断打基础。
- 趋势识别：在时间序列或有序维度上识别上升、下降、拐点等模式。
- 假设检验：在需要判断差异或效应是否偶然时，按检验思路组织问题与结论表述。
- 相关性分析：衡量变量之间的关联强度与方向，并区分相关与因果的表述边界。
具体步骤、输出模板和 Agent 须遵守的约束写在安装包内的 SKILL.md 中；启用 Skill 后，由 Agent 按该文件执行，而不是自由发挥话术。
安装与启用¶
安装前确认本机已有 SkillHub CLI；若没有，可先按官方安装文档检查或安装。
command -v skillhub && skillhub --version
未安装时可使用 SkillHub 文档中的推荐方式（完整安装或仅 CLI）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安装「数据分析」时，必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/，Agent 可能读不到。SkillHub 页面给出的安装提示为：参照 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/data-analysis-skillhub。
skillhub install user_3c6cb52e/data-analysis-skillhub --dir <你的 skills 目录>
常见客户端 skills 路径（来自 SkillHub 安装文档，按你实际使用的客户端择一）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
安装完成后，在对应客户端中启用或加载该 Skill（具体入口因客户端而异），再重启或刷新 Agent 会话，确保 SKILL.md 被纳入上下文。
若你使用自然语言让 AI 代为安装，可将官方页面上的提示原样发给 Agent：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_3c6cb52e/data-analysis-skillhub`。
典型用法¶
公开页面未附带独立的可复制「示例数据集 + 期望输出」文档，典型用法应遵循简介与 SKILL.md 的意图，可按下面顺序操作（步骤可复现，细节以安装后的 SKILL.md 为准）。
- 将 CSV、表格片段或已清洗的数据说明提供给 Agent，并写明分析目标（例如：某指标是否随时间变化、两组均值是否不同、两变量是否相关）。
- 明确要求启用「数据分析」Skill，让 Agent 按 Skill 流程选择描述统计、趋势、检验或相关性分析，而不是只写 narrative。
- 要求输出包含：用了什么方法、对哪些字段、主要数值结论，以及结论的适用前提（样本量、缺失值、是否满足检验假设等）。
- 若需要可执行代码，让 Agent 在本地或你指定的环境中生成并运行，你再核对结果与 Skill 中的表述是否一致。
这样可以把「统计方法、趋势识别、假设检验、相关性分析」四类能力落到同一次对话里，避免只得到无法复核的总结句。
适用场景与注意¶
适合谁
- 已在 Cursor、Claude Code、Codex 等支持 Skills 的环境里工作，手头有结构化或半结构化数据，希望 Agent 按统计思路拆解问题。
- 希望减少「口头分析」、需要方法名与结论可对齐的检查场景（内部分析、实验复盘、报表草稿等）。
限制与注意
- 社区来源（
community），质量与更新节奏依赖发布者；重大分析决策仍建议人工复核或由专业统计人员把关。 - Skill 指导的是分析流程与表述方式，不能替代你对数据合法性、隐私合规和业务定义的责任。
- 假设检验与相关性结论依赖数据质量与前提；Agent 可能无法自动验证所有假设，你应在对话中补充领域约束。
requires_api_key=false仅表示 Skill 元数据未要求 API Key；若分析中需要连接外部数据库或付费 API，仍由你自行配置与授权。
结尾¶
「数据分析」Skill 把统计方法、趋势识别、假设检验和相关性分析收敛到 Agent 可执行的 SKILL 流程里，适合在已有 Skills 能力的客户端里做可复述的数据洞察提取。安装时记得 skillhub install 配合正确的 --dir，并阅读包内 SKILL.md。官方入口：https://www.skillhub.cn/skills/user_3c6cb52e/data-analysis-skillhub
