前言¶
备考、自学或在职进修时，很多人会记番茄钟、错题本或表格，但很少把记录整理成能指导下周计划的视图。自己摸索图表类型、维度和工具，往往停在「感觉没进步」或堆一堆指标却看不清重点。若你希望在 Agent 对话里系统完成「盘点数据 → 选图 → 出模板 → 读洞察」，而不是泛泛问「怎么画折线图」，下面介绍 SkillHub 上的社区 Skill「学习数据可视化」。
这是什么¶
「学习数据可视化」（坐标 @user_70c2f807/learning-data-visualization，版本 1.0.0）是 SkillHub 社区来源（community）、分类为 data-analysis 的 Agent Skill，发布者为 user_70c2f807。Skill 在 SKILL.md 中写明：在用户需要将学习时长、知识点掌握度、进步趋势等数据转化为可视化方案和分析结构时启用；不用于商业 BI、学术论文统计图或数据库管理。
它定位为「学习数据可视化助手」：根据你已有的学习过程数据（时长、科目分布、正确率变化、掌握状态等），给出图表类型建议、数据组织方式、进步曲线设计与学情报告结构，并强调「数据 → 洞察 → 行动」的完整链路。标签 requires_api_key=false，不依赖额外 API Key。
SkillHub 页面统计（以平台展示为准）：评分 100000，下载 1466 次。
核心功能¶
以下能力均来自 Skill 包内 SKILL.md 的说明。
- 图表选型：按数据类型推荐折线、柱状、雷达、热力、甘特等，并说明服务于「看出什么」而非炫技。
- 采集与模板：设计学习数据的记录维度与表格/周报结构。
- 学情报告：提供分析报告叙事框架，含周环比、月同比等对比思路。
- 掌握度映射：例如知识点正确率与雷达图、错题分布与热力图的设计说明。
- 工具指引：按复杂度指向 Notion、Excel/Google Sheets、学习类 App，或 Python（Matplotlib/Plotly）等实现方向。
执行流程在 Skill 中固定为四步：数据盘点 → 方案设计（类型、维度、配色）→ 模板输出（组织格式与工具建议）→ 分析指引（如何从图里读问题并调整策略）。
安装与启用¶
方式一：让 Agent 按官方安装文档操作¶
SkillHub 页面给出的提示词为：请根据 https://skillhub.cn/install/skillhub.md 安装 @user_70c2f807/learning-data-visualization。
方式二：SkillHub CLI¶
先确认 CLI 是否可用：
command -v skillhub && skillhub --version
未安装时可按官方文档执行完整安装或仅 CLI（见 skillhub.md 中的 curl 安装命令）。
安装本 Skill 时需用 --dir 指向当前 Agent 的 skills 目录，否则默认装到 ./skills/ 可能无法被识别。搜索与安装示例：
skillhub search learning-data-visualization
skillhub install learning-data-visualization --namespace user_70c2f807 --dir <skills 目录>
常用客户端 skills 目录（摘自官方安装文档）：
- Claude Code：
~/.claude/skills/ - Cursor：
~/.cursor/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
安装完成后，在对应客户端启用/加载 Skills 机制后，对话中按 Skill 描述触发即可（具体 UI 以各客户端文档为准）。
典型用法¶
Skill 在「快速开始」中列出了可直接复现的提问方式，例如：
- 「我记录了一个月的学习时长，帮我设计可视化方案」
- 「怎么展示各科目知识点的掌握程度？用什么图表好？」
- 「帮我设计一个学习进步曲线的追踪模板」
- 「我想做一个学习周报，应该包含哪些数据维度？」
- 「把我的错题数据变成热力图，看看薄弱点分布」
Agent 按 Skill 约定输出时，会采用「学习数据可视化方案」结构：数据概览、多个可视化方案（图表类型、坐标轴/分层、示意表格）、学习周报模板框、推荐实现工具等。输出原则包括：表格格式要能在 Excel/Notion 中直接搭建；复杂度要匹配用户技术水平；强调记录持续性优先于过度追求精确。
适用场景与注意¶
适合谁
- 有或愿意建立学习记录（时长、正确率、错题、自评分等），需要选图与模板而非商业分析的同学或自学者。
- 希望每周固定复盘、从图表推导「下周做什么」的用户。
明确限制（Skill 要求提前告知用户）
- 不能直接生成可交互图表文件，提供的是设计方案与数据组织建议。
- 需要用户提供原始学习数据，不能凭空编造统计结果。
- 图表需在 Excel、Notion、专用 App 等工具中自行实现。
- 分析质量取决于你记录的数据是否完整、诚实。
边界
- 商业数据分析、BI 仪表盘、学术论文统计图、班级学情管理系统、考试分数预测等，Skill 标明应改用其他领域工具或方法。
异常与兜底
Skill 内置错误处理表：无记录时先给采集模板；数据少于 7 天时建议先积累并给日报模板；只有模糊感受时用 1–5 分自评建立半定量数据；维度过多时收敛到 3–5 个核心指标等。
隐私方面，Skill 说明学习成绩与正确率属个人隐私，方案不要求把原始数据上传到第三方，并建议在本地或私人空间实现、分享时做脱敏。
结尾¶
「学习数据可视化」把 Agent 的能力收敛在学情类数据的图表设计与复盘结构上，并写清了不做什么、输出长什么样、以及数据不足时怎么处理。若你在 SkillHub 检索 data-analysis 类能力，可按坐标安装并在对话里带上自己的记录维度提问。
官方页面：https://www.skillhub.cn/skills/user_70c2f807/learning-data-visualization
API 条目：https://api.skillhub.cn/user_70c2f807/learning-data-visualization
