前言¶

业务侧导出的 Excel、CRM 导出、剪贴板表格往往格式不一：列名不统一、重复行、手机号和日期写法杂乱。手工在表格里筛、填、VLOOKUP 合并，耗时长且难复现。若希望对话式 Agent 按固定流程处理这类任务，需要一份写清触发词、脚本入口和订阅档位的 Skill 说明。下面介绍 SkillHub 社区技能 多源数据清洗器（@user_26bdbd50/multi-source-data-cleaner）的定位与用法。

这是什么¶

多源数据清洗器（包内标识 multi-source-data-cleaner）是一份基于通用 SKILL.md 格式的 Agent Skill，由社区发布者 user_26bdbd50 维护，在 SkillHub 上归类为 data-analysis，当前页面版本为 v1.0.2，来源为 community。技能通过 Python 子进程运行 scripts/main.py，面向「上传杂乱数据、得到结构化干净结果」的场景，文档中列举的用途包括电商订单整理、CRM 客户清洗、流水对账、名册去重、多系统数据合并等。

SkillHub 元数据标注 requires_api_key=true：启用 AI 字段识别、分类等能力时需要配置 API Key；基础解析与去重等能力按文档中的档位矩阵区分。

核心功能¶

以下能力来自技能包内 SKILL.md / README.md，按模块编号归纳。

多格式解析（F1）¶

支持 Excel（.xlsx / .xls）、CSV / TSV、JSON，以及剪贴板粘贴文本。

智能字段识别（F2）¶

可自动识别姓名、手机、邮箱、地址、金额、日期、SKU、订单号、身份证号、性别等字段类型；支持用户自定义字段映射覆盖。

数据清洗（F3）¶

• 去重：精确匹配 + 模糊去重（FuzzyWuzzy，阈值 88%）。
• 缺失值：均值 / 众数 / 语义推断 / 留空等策略。
• 格式统一：手机 1xx-xxxx-xxxx、日期 YYYY-MM-DD、金额两位小数、地址省市区街道规范化。

分类打标（F4，Pro）¶

内置 8 条业务规则（高价值客户、沉睡用户、VIP、企业客户等），支持自定义 JSON 规则；AI 自动打标需 Pro 档且配置 AI API Key。

多源关联合并（F5，Pro）¶

跨文件按关键字段关联；无精确键时可用模糊关联；冲突字段可按来源优先级或最新时间戳解决。

输出（F6）¶

可导出 Excel / CSV；Pro 档支持写回飞书多维表格（Bitable），并生成数据质量报告（Markdown，可落成飞书文档）。

订阅档位（文档中的功能矩阵）¶

文档中的标价（供选型参考）：Free ¥0，Basic ¥29/月，Standard ¥99/月，Pro ¥299/月；付费说明指向 YK-Global.com。

安装与启用¶

1. 安装 SkillHub CLI（若尚未安装）¶

按 SkillHub 安装说明 检查或安装 CLI：

command -v skillhub && skillhub --version

未安装时可执行完整安装脚本（节选）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

2. 安装本技能到当前 Agent 的 skills 目录¶

安装时必须用 --dir 指向当前客户端识别的 skills 目录，否则默认落在 ./skills/ 可能不会被加载。SkillHub 文档中的示例路径包括：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下 .agents/skills/

安装命令（与 skillhub search 结果一致）：

skillhub install multi-source-data-cleaner --namespace user_26bdbd50 --dir ~/.cursor/skills/

也可让 Agent 按官方提示安装：

请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_26bdbd50/multi-source-data-cleaner`。

3. Python 依赖¶

本地执行脚本前，README 建议安装：

pip install pandas openpyxl xlrd fuzzywuzzy python-Levenshtein

4. 环境变量¶

AI Key 获取地址见 README：MiniMax（https://platform.minimax.chat/）、DeepSeek（https://platform.deepseek.com/）。

典型用法¶

在对话中触发¶

技能 frontmatter 中的触发词包括：data cleaning、deduplication、spreadsheet cleanup、data merge、CRM data cleanup、Excel cleaning、clean data、remove duplicates、merge data 等。在飞书等集成场景下，也可用 README 中的英文短语触发清洗流程。

命令行¶

进入技能目录下的 scripts 后执行（示例来自官方文档）：

python scripts/main.py clean -i data.xlsx -o cleaned.xlsx
python scripts/main.py clean -t "name,phone\nJohn,13800138000" -f csv -o cleaned.csv
python scripts/main.py merge --sources customers.xlsx orders.csv --on phone -o merged.xlsx

Python 调用¶

from main import run_clean_pipeline

result = run_clean_pipeline(
    sources=["orders.xlsx"],
    output_format="xlsx",
    output_path="/tmp/cleaned.xlsx",
    dedup_strategy="auto",
    fill_strategy="auto",
    classify=True,
    ai_model="deepseek",
    generate_report=True,
)

清洗完成后，文档说明可得到输出文件路径、清洗行数，以及质量报告中的总分等字段（见 README 示例）。

适用场景与注意¶

适合谁： 需要把多来源表格交给 Agent 做标准化清洗、去重，或在 Pro 档下做多表关联、质量报告与飞书回写的数据分析 / 运营 / 实施同学。

使用注意：

1. API Key 与档位：SkillHub 标签要求 API Key；未配置时 AI 识别、分类等能力不可用，且各档位的行数、数据源数量、高级功能受 tier_limits 约束。
2. 配额状态：README 写明月度用量记录在 /tmp/data_cleaner_state.json，必要时可手动清理以重置计数（需自行评估是否符合团队合规要求）。
3. 编码与格式：优先 UTF-8，兼容 GBK；日期支持 YYYY-MM-DD、YYYY/MM/DD、YYYYMMDD、Unix 时间戳等；手机号按 11 位中国大陆移动号格式化。
4. 数据安全表述：README 称处理在本地完成、不上传第三方；但启用云端大模型 API 时，仍须按各厂商协议理解数据出境与留存策略。
5. 版本信息：SkillHub 页面显示 v1.0.2；技能包内 SKILL.md frontmatter 仍为 1.0.0，以平台发布版本为准做升级与排查。

SkillHub 上该技能评分 100000（平台展示口径），截至资料抓取时 下载 798 次、安装 7 次。

结尾¶

多源数据清洗器把「解析 → 识字段 → 清洗 →（可选）合并与报告 → 导出」写进一份可安装的 Agent Skill，并用手动档位矩阵区分免费与付费能力。若你的日常工作流里频繁出现多表脏数据，可按上文命令装入 Cursor 等客户端，再配置 DATA_CLEANER_TIER 与可选的 DATA_CLEANER_API_KEY 后试用。

• SkillHub 页面：https://www.skillhub.cn/skills/user_26bdbd50/multi-source-data-cleaner
• 官方 API 坐标页：https://api.skillhub.cn/user_26bdbd50/multi-source-data-cleaner