数据清洗

data-analyst 是一個精簡的 GitHub skill，會引導代理以 SQL、pandas 與基礎統計分析來進行資料探索。適合希望透過單一 SKILL.md 提示層，就能完成具程式碼支撐的查詢、轉換與結果解讀的使用者。

data-quality-frameworks 技能可協助團隊規劃正式環境的資料驗證，涵蓋 dbt tests、Great Expectations 與 data contracts。可用來選擇合適的檢查項目、對應到 testing pyramid，並規劃適合 Data Cleaning 與資料管線穩定性的 CI/CD 資料品質工作流程。

dummy-dataset 可產生接近真實的測試資料，輸出格式包含 CSV、JSON、SQL 或 Python script。它可用於 mock dataset、demo、資料庫種子資料、QA 與資料清理；你可以定義欄位、列數與限制條件，生成更像真的範例紀錄。

read-file 可協助代理讀取與檢視 CSV、JSON、Parquet、Avro、Excel、SQLite、空間檔案，或透過 DuckDB 存取遠端 URL。可用來預覽資料列、檢查 schema、分析資料，並回答這個檔案裡有什麼。它最適合用在實際資料檔案上的 read-file 使用情境，不適合原始程式碼。

lamindb 技能可協助你使用 LaminDB——一個開源的生物資料框架，讓資料具備可查詢、可追蹤、可重現與 FAIR 特性。適合用於 lamindb 的資料分析、metadata 整理、基於 ontology 的標註、schema 驗證，以及跨 notebooks 與 pipelines 的 lineage-aware 工作流程。

exploratory-data-analysis 技能可將科學檔案轉為支援格式感知的 EDA 報告。它會偵測檔案類型、摘要結構與品質、擷取關鍵中繼資料，並建議後續分析方向。適合用於 Data Analysis 中的 exploratory-data-analysis，涵蓋化學、生物資訊、顯微影像、光譜、蛋白質體、代謝體與其他科學檔案格式。