前言¶

把日志、导出表、第三方 API 结果拼在一起做分析时，字段名不统一、空值规则不一，还只是前半段麻烦。更常见的是混进姓名、手机号、邮箱等个人可识别信息（PII）：直接交给大模型或写进示例脚本，容易踩合规红线；整表删掉又丢业务字段。手工打码费时，且不同项目对「保留原值 / 脱敏 / 丢弃」的要求不一致。

下面介绍 SkillHub 社区 Skill multi-source-data-cleaner-pro（坐标 @user_e9af5021/multi-source-data-cleaner-pro）。官方简介明确：通过 PII 处理策略 keep、mask、drop 之一控制敏感字段，默认 mask。适合在 Agent 工作流里做数据分析前的清洗与脱敏，且标注 requires_api_key=false，不依赖额外 API Key。

这是什么¶

multi-source-data-cleaner-pro 是 SkillHub 上分类为 data-analysis 的社区 Skill，发布者为 user_e9af5021，当前版本 1.0.0，来源标记为 community。

从名称与简介可以归纳其定位：面向多源数据的清洗类能力，并在流程中统一 PII 处理策略，而不是每次在提示词里临时约定「哪些列要遮罩」。具体清洗步骤与字段规则以 Skill 包内 SKILL.md 为准；公开页面未展开的实现细节，本文不臆测。

SkillHub 页面：multi-source-data-cleaner-pro
Skill API 入口：api.skillhub.cn/user_e9af5021/multi-source-data-cleaner-pro

核心功能（已核实）¶

官方简介仅列出以下可核对能力：

1. PII 处理策略：取值之一为 keep（保留）、mask（脱敏/遮罩）、drop（丢弃对应字段或内容）。
2. 默认行为：未另行指定时，策略默认为 mask。
3. 无 API Key 要求：标签为 requires_api_key=false。

多源合并、格式规范化等能力是否包含在 Skill 指令中，需在安装后阅读本地 SKILL.md 或让 Agent 按 Skill 说明执行；此处不编造未在官方页面出现的接口或配置项。

安装与启用¶

SkillHub 推荐两种方式：用 CLI 安装到当前 Agent 的 skills 目录，或把安装提示词发给 AI，让其按 SkillHub 安装文档 操作。

1、安装 SkillHub CLI（若尚未安装）¶

先检查是否已有 CLI：

command -v skillhub && skillhub --version

未安装时，可按官方文档执行完整安装（CLI + 默认 Skill）：

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

仅需 CLI 时：

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

2、安装本 Skill¶

安装时必须用 --dir 指向当前 Agent 实际读取的 skills 目录，否则默认会装到 ./skills/，Agent 可能无法加载。

skillhub install @user_e9af5021/multi-source-data-cleaner-pro --dir <你的 skills 目录>

常用路径（来自 SkillHub 安装文档）：

在 Cursor 中示例：

skillhub install @user_e9af5021/multi-source-data-cleaner-pro --dir ~/.cursor/skills/

3、通过对话安装（等价指引）¶

SkillHub 页面提供的提示词大意为：请根据 https://skillhub.cn/install/skillhub.md，安装 @user_e9af5021/multi-source-data-cleaner-pro。适合已把安装流程交给 Agent、由其在正确目录落盘的情况。

安装后若 Agent 未立即识别新 Skill，按你所用客户端文档重启或刷新 skills 加载方式。

典型用法¶

公开页面未给出独立可复制的 CLI 子命令或配置文件样例。可复现的用法框架如下：

1. 在已启用该 Skill 的 Agent 中，描述多源数据清洗任务（说明数据来源形态与目标输出）。
2. 明确 PII 策略：keep、mask 或 drop；不说明时按 Skill 默认 mask 理解。
3. 让 Agent 按 Skill 内指令执行清洗；需要核对行为时，查看安装目录下该 Skill 的 SKILL.md。

示例对话意图（非官方原文，仅说明参数含义）：

• 「合并这两份 CSV 做统计，PII 用 drop。」
• 「清洗后保留结构给同事看，手机号 mask，其余 PII drop。」

若 Skill 文档中另有数据源连接、字段映射等步骤，以本地 SKILL.md 为准。

适用场景与注意¶

适合谁

• 在 data-analysis 类任务里，需要 Agent 协助多源数据整理，并统一 PII 处理口径的团队或个人。
• 希望默认脱敏（mask），又能在审计或内网场景临时改为 keep / drop 的使用者。

限制与注意

• 简介只承诺 PII 策略三选一及默认值；清洗质量仍取决于数据本身与 Agent 是否严格遵循 Skill。
• SkillHub 统计（截至页面展示）：评分 100000，下载 741，安装 0——安装数为平台计数，不代表 Skill 无效，但说明不少用户可能仅用对话安装或未回写统计。
• keep 会保留敏感原文，仅应在合规允许的环境使用；对外分享或调用外部模型时，优先 mask 或 drop。
• 社区来源（community），升级与维护节奏跟随发布者 user_e9af5021，生产环境使用前建议在样本数据上验证脱敏结果。

结尾¶

multi-source-data-cleaner-pro 把多源数据清洗场景里最容易扯皮的 PII 处理方式收成 keep|mask|drop 三个选项，并默认 mask，便于在 Agent 流水线里复用同一套口径。安装走 SkillHub CLI 或官方安装文档即可，无需 API Key。

• SkillHub 页面：https://www.skillhub.cn/skills/user_e9af5021/multi-source-data-cleaner-pro
• API 入口：https://api.skillhub.cn/user_e9af5021/multi-source-data-cleaner-pro