前言¶

数据分析这类需求，落到实际使用里很少是”跑一个模型就出结论”。更多时候，数据要先采集或导入，再做清洗，然后分析、画图，最后写成一份能交付的报告。每个环节单独处理，就意味着模型要在多轮对话里反复承接上下文：清洗规则要在分析时重说一遍，图表样式要在报告里再交代一遍，口径稍有偏差，前后两段结论就对不上。

数据分析工作流（Skills组合）就是针对这个断裂设计的。它把数据收集、清洗、分析、可视化和报告写作串成自动化分析管线，一次把各环节的步骤和产出约定好，减少中间反复交代的成本。

下面介绍它的定位、能力、获取方式和使用注意。

这是什么¶

这是一个基于通用 SKILL.md 格式的社区 Skill，坐标 @user_c5d41a7d/skills-combo-data-analysis-flow，版本 1.0.0，发布者 user_c5d41a7d，来源标记为 community，分类 data-analysis。官方简介一句话：把数据收集、清洗、分析、可视化和报告写作串成自动化分析管线。

它解决的不是某个具体算法问题，而是环节之间的衔接问题：让清洗结果能被后续分析直接沿用，让可视化结果能直接进入报告，让报告口径与中间分析保持一致。

核心功能¶

按官方简介，管线覆盖五个环节：

1、数据收集
2、数据清洗
3、数据分析
4、可视化
5、报告写作

这五个环节不是五个独立 Skill 的简单并列，而是按流水线顺序组织。前一环节的产出约定为下一环节的输入，因此中间结果不需要在对话里反复重述。

关于依赖：标签中标注 requires_api_key=false，即按官方标注，使用时不需要额外的 API Key。

获取与启用¶

官方地址：

https://api.skillhub.cn/user_c5d41a7d/skills-combo-data-analysis-flow

SkillHub 页面：

https://www.skillhub.cn/skills/user_c5d41a7d/skills-combo-data-analysis-flow

坐标可用于在 SkillHub 中定位该 Skill：

@user_c5d41a7d/skills-combo-data-analysis-flow

需要说明的是，本次写作所依据的抓取资料中没有给出具体的安装命令，也没有 Cursor / Codex CLI / Claude Code 的分端配置字段。它是通用 SKILL.md 格式的 Skill，具体落盘目录和启用方式以官方页面为准，此处不自行补写命令，避免给出未经核实的操作步骤。

典型用法¶

由于官方资料中没有提供可复现的示例片段，本节不给具体命令，只说明它在对话中通常如何被使用，具体表述以官方页面为准。

通常的用法是：把数据分析任务交给该 Skill 后，按管线顺序推进——先确认数据来源和收集方式，再明确清洗规则，然后做分析并出图，最后基于中间结果写报告。每一环的产出都会成为下一环的输入，因此可以在推进过程中逐步检查口径。

如果任务里只涉及其中一环（例如只需要画图，或只需要写报告），同样可以只取对应环节的约定来执行，不必走完整条管线。

适用场景与注意¶

适合的场景：

1、数据量适中、可以在一次任务上下文内完成清洗和分析的表格类任务。
2、需要从数据到报告连续产出、且各环节口径必须一致的任务。
3、希望减少多轮对话中重复交代清洗规则和图表约定的场景。

需要注意的地方：

1、版本为 1.0.0，来源为 community，使用前需自行确认管线各环节的具体约定是否满足自身数据口径。
2、官方资料中未给出依赖的外部工具或数据源清单，requires_api_key=false 只说明不需要额外 API Key，不代表不需要其他环境配置。
3、资料中显示安装数为 0，说明该 Skill 的实际部署经验较少，遇到问题更适合直接对照官方页面排查。
4、本次写作无法访问官方页面，文中关于安装命令、配置字段和具体示例的部分留空，未核实的信息一律不写。

结尾¶

这条 Skill 的价值在于把数据分析的五个环节组织成一条管线，让中间结果在各环节之间直接传递，而不是在对话里反复重述。适合需要连续产出、且口径一致性要求高的分析任务。

官方地址：https://api.skillhub.cn/user_c5d41a7d/skills-combo-data-analysis-flow