前言¶
在 Cursor、Claude Code 等環境裏做數據分析時，常見做法是臨時寫一段 Python，或讓模型「憑感覺」描述表格。前者要反覆對齊統計口徑，後者容易跳過假設檢驗、相關性是否顯著等步驟。下面介紹 SkillHub 上的社區 Skill「數據分析」：它用 SKILL.md 約束 Agent，把統計方法、趨勢識別、假設檢驗和相關性分析串成可重複的分析流程，目標是從數據集裏提取可覈對的洞察，而不是隻給一段泛泛結論。
這是什麼¶
「數據分析」是 SkillHub 分類 data-analysis 下的社區 Skill，座標爲 @user_3c6cb52e/data-analysis-skillhub，當前版本 1.0.0，發佈者爲 user_3c6cb52e，來源標記爲 community。官方簡介寫明：通過統計方法、趨勢識別、假設檢驗和相關性分析來分析數據集以提取洞察。頁面標籤顯示 requires_api_key=false，安裝後一般不需要額外配置第三方 API Key。
Skill 詳情頁：https://www.skillhub.cn/skills/user_3c6cb52e/data-analysis-skillhub
API 索引：https://api.skillhub.cn/user_3c6cb52e/data-analysis-skillhub
（SkillHub 頁面展示的社區數據：評分 100000，下載 8696 次，安裝計數 0；以頁面當時顯示爲準。）
核心功能¶
依據官方簡介，該 Skill 覆蓋的能力可以概括爲四類，均圍繞「數據集 → 洞察」：
- 統計方法：對數值列做描述統計、分佈與彙總，爲後續推斷打基礎。
- 趨勢識別：在時間序列或有序維度上識別上升、下降、拐點等模式。
- 假設檢驗：在需要判斷差異或效應是否偶然時，按檢驗思路組織問題與結論表述。
- 相關性分析：衡量變量之間的關聯強度與方向，並區分相關與因果的表述邊界。
具體步驟、輸出模板和 Agent 須遵守的約束寫在安裝包內的 SKILL.md 中；啓用 Skill 後，由 Agent 按該文件執行，而不是自由發揮話術。
安裝與啓用¶
安裝前確認本機已有 SkillHub CLI；若沒有，可先按官方安裝文檔檢查或安裝。
command -v skillhub && skillhub --version
未安裝時可使用 SkillHub 文檔中的推薦方式（完整安裝或僅 CLI）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安裝「數據分析」時，必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/，Agent 可能讀不到。SkillHub 頁面給出的安裝提示爲：參照 https://skillhub.cn/install/skillhub.md，安裝 @user_3c6cb52e/data-analysis-skillhub。
skillhub install user_3c6cb52e/data-analysis-skillhub --dir <你的 skills 目錄>
常見客戶端 skills 路徑（來自 SkillHub 安裝文檔，按你實際使用的客戶端擇一）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
安裝完成後，在對應客戶端中啓用或加載該 Skill（具體入口因客戶端而異），再重啓或刷新 Agent 會話，確保 SKILL.md 被納入上下文。
若你使用自然語言讓 AI 代爲安裝，可將官方頁面上的提示原樣發給 Agent：
請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_3c6cb52e/data-analysis-skillhub`。
典型用法¶
公開頁面未附帶獨立的可複製「示例數據集 + 期望輸出」文檔，典型用法應遵循簡介與 SKILL.md 的意圖，可按下面順序操作（步驟可復現，細節以安裝後的 SKILL.md 爲準）。
- 將 CSV、表格片段或已清洗的數據說明提供給 Agent，並寫明分析目標（例如：某指標是否隨時間變化、兩組均值是否不同、兩變量是否相關）。
- 明確要求啓用「數據分析」Skill，讓 Agent 按 Skill 流程選擇描述統計、趨勢、檢驗或相關性分析，而不是隻寫 narrative。
- 要求輸出包含：用了什麼方法、對哪些字段、主要數值結論，以及結論的適用前提（樣本量、缺失值、是否滿足檢驗假設等）。
- 若需要可執行代碼，讓 Agent 在本地或你指定的環境中生成並運行，你再覈對結果與 Skill 中的表述是否一致。
這樣可以把「統計方法、趨勢識別、假設檢驗、相關性分析」四類能力落到同一次對話裏，避免只得到無法複覈的總結句。
適用場景與注意¶
適合誰
- 已在 Cursor、Claude Code、Codex 等支持 Skills 的環境裏工作，手頭有結構化或半結構化數據，希望 Agent 按統計思路拆解問題。
- 希望減少「口頭分析」、需要方法名與結論可對齊的檢查場景（內部分析、實驗復盤、報表草稿等）。
限制與注意
- 社區來源（
community），質量與更新節奏依賴發佈者；重大分析決策仍建議人工複覈或由專業統計人員把關。 - Skill 指導的是分析流程與表述方式，不能替代你對數據合法性、隱私合規和業務定義的責任。
- 假設檢驗與相關性結論依賴數據質量與前提；Agent 可能無法自動驗證所有假設，你應在對話中補充領域約束。
requires_api_key=false僅表示 Skill 元數據未要求 API Key；若分析中需要連接外部數據庫或付費 API，仍由你自行配置與授權。
結尾¶
「數據分析」Skill 把統計方法、趨勢識別、假設檢驗和相關性分析收斂到 Agent 可執行的 SKILL 流程裏，適合在已有 Skills 能力的客戶端裏做可複述的數據洞察提取。安裝時記得 skillhub install 配合正確的 --dir，並閱讀包內 SKILL.md。官方入口：https://www.skillhub.cn/skills/user_3c6cb52e/data-analysis-skillhub
