CSV

Der xlsx-Skill hilft Agents beim Lesen, Bearbeiten, Reparieren, Erstellen und Konvertieren von .xlsx-, .xlsm-, .csv- und .tsv-Dateien, wenn das gewünschte Ergebnis eine Tabellenkalkulationsdatei ist. Besonders stark ist er bei vorlagentreuen Updates, formulasicheren Workbook-Änderungen, der Bereinigung unübersichtlicher Tabellendaten und praxisnahen Spreadsheet-Workflows mit Repo-Skripten für Packaging, Validierung und Neuberechnung.

Die user-personas Skill erstellt 3 ausgearbeitete Personas auf Basis von Forschungsdaten mit JTBD, Pain Points, Gains und überraschenden Erkenntnissen. Nutze sie für user-personas in UX Research, Segmentierung, Onboarding-Strategien und Produktentscheidungen, wenn dir Umfragen, Interviews oder anderes Ausgangsmaterial vorliegen.

Das sentiment-analysis Skill verwandelt Nutzerfeedback in segmentbezogene Insights, Sentiment-Scores, JTBD und Produktwirkung. Nutze es für sentiment-analysis in der Datenanalyse von Bewertungen, Umfragen, Supportnotizen oder Social Listening, wenn du einen praktischen sentiment-analysis Leitfaden brauchst und keinen generischen Polaritäts-Check.

Führe cohort-analysis für Nutzerbindung, Engagement-Abnahme und Feature-Adoption nach Kohorte durch. Diese cohort-analysis Skill ist für Data-Analysis-Workflows gedacht, die Validierung, Berechnung, Visualisierung und klare Erkenntnisse aus strukturierten Nutzungsdaten benötigen.

ab-test-analysis hilft dir, A/B-Test-Ergebnisse mit statistischer Sorgfalt zu bewerten – einschließlich Stichprobengrößenprüfung, Konfidenzintervallen, Signifikanztests und Empfehlungen zum Ausrollen, Verlängern oder Stoppen. Nutze es für Experiment-Reviews, die Interpretation von Split-Tests und Entscheidungen in Data-Analysis-Workflows.

Workspace Data Analyst ist ein schlankes Skill für Datenanalyse in deinem Workspace. Es analysiert CSV-Dateien, prüft Header, fasst Summen, Durchschnittswerte und Ausreißer zusammen und liefert prägnante Hinweise für den nächsten Schritt. Das Workspace Data Analyst Skill eignet sich ideal für schnelle, dateibewusste Prüfungen vor einer tieferen Modellierung.

read-file hilft einem Agenten dabei, CSV-, JSON-, Parquet-, Avro-, Excel-, SQLite-, Geodaten-Dateien oder entfernte URLs mit DuckDB zu lesen und zu prüfen. Nutze es, um Zeilen vorzuschauen, das Schema zu prüfen, Daten zu profilieren und zu beantworten, was in dieser Datei steckt. Am besten eignet sich read-file für echte Datenartefakte, nicht für Quellcode.

Die query-Skill führt DuckDB-Queries gegen eine angebundene Datenbank oder direkt gegen Dateien aus. Sie akzeptiert SQL oder Fragen in natürlicher Sprache, unterstützt Session- und Ad-hoc-Modus und eignet sich für Data Analysis, schnelle Prüfungen und iteratives Arbeiten mit DuckDB Friendly SQL.

Das minimax-xlsx-Skill unterstützt das Erstellen, Lesen, Bearbeiten, Validieren und Formatieren von Excel-Arbeitsmappen mit einem Excel-zentrierten Workflow. Verwenden Sie minimax-xlsx für Spreadsheet-Workflows, wenn Sie strukturierte Dateien benötigen, die Formeln, Formatierungen, Blattlayout und das Verhalten der Arbeitsmappe erhalten. Es unterstützt Aufgaben mit .xlsx, .xlsm, .csv und .tsv, einschließlich Analyse, Erstellen neuer Arbeitsmappen, minimalinvasiver Änderungen, Reparatur von Formeln und Validierung. Der minimax-xlsx-Leitfaden ist für die Übergabe echter Arbeitsmappen konzipiert, nicht für einfache Flachtabellen.

chdb-datastore ist ein pandas-kompatibles Skill für schnelle Datenanalyse mit einer von ClickHouse gestützten DataStore-API. Es unterstützt Connectoren für Dateien, Datenbanken und Cloud-Dienste, Cross-Source-Joins und minimale Codeänderungen für pandas-ähnliche Workflows. Nutzen Sie diesen chdb-datastore-Leitfaden, wenn Sie eine Drop-in-Analyseschicht für größere Datensätze suchen.

chdb-sql ist ein GitHub-Skill, mit dem sich ClickHouse SQL in Python ohne Server ausführen lässt. Abgedeckt werden chdb.query(), Session, DB-API-Verbindungen, Table Functions wie file() und s3(), parametrische Abfragen sowie Entwicklungs-Workflows für lokale Dateien und externe Datenquellen.