dadata-ru-automation
作者 ComposioHQdadata-ru-automation 可帮助 agent 通过 Composio Rube MCP 运行 Dadata Ru 工作流，适用于地址、公司、银行与数据质量自动化；使用时需要先发现工具、检查有效的 dadata_ru 连接，并基于 schema 执行。
该 skill 得分为 66/100，表示可以收录到目录中，但更适合作为轻量级 MCP/toolkit 封装来呈现，而不是完整的任务手册。目录用户能获得足够信息，判断何时安装它，以及 agent 应如何通过 Rube MCP 开始使用 Dadata Ru；但由于缺少具体任务示例和配套文件，其可信度与复用性会受到限制。
- 明确了清晰的启用场景：通过 Rube MCP 使用 Composio 的 Dadata Ru toolkit 来自动化 Dadata Ru 操作。
- 包含运行前提和配置步骤，包括连接 Rube MCP、使用 `RUBE_MANAGE_CONNECTIONS`，并确认存在 ACTIVE 的 `dadata_ru` 连接。
- 明确要求 agent 先调用 `RUBE_SEARCH_TOOLS`，有助于减少 schema 猜测，并提升工具执行的安全性。
- 除 SKILL.md 外，没有配套文件、脚本、参考资料或示例，因此实际采用效果很大程度上取决于 Rube MCP 是否能返回有用且最新的 schema。
- 工作流说明更像是面向 Dadata Ru toolkit 的通用指导，并未记录具体的 Dadata 任务、输入、输出或边界情况。
dadata-ru-automation skill 概览
dadata-ru-automation 能做什么
dadata-ru-automation 是一个 Claude skill，用于通过 Composio 的 Rube MCP toolkit 运行 Dadata.ru 工作流。它面向需要先发现最新 Dadata Ru tool schema、确认连接已激活，然后再执行结构化操作的 agent，例如俄罗斯地址、公司、银行、联系人或数据质量相关任务；整个过程不依赖对 API 参数的猜测。
最适合 Workflow Automation 团队
当 Dadata.ru 已经是可重复业务流程的一部分时，这个 skill 最有价值，例如 CRM 数据补全、表单规范化、线索清洗、物流地址校验、交易对手查询，或内部数据运营。dadata-ru-automation skill 的核心价值不是一段静态 prompt，而是强制执行正确的 MCP 顺序：先搜索 tools，确认连接状态，再运行合适的 Dadata Ru action。
关键差异：先发现 schema
当 tool 名称、输入字段或执行计划发生变化时，Dadata 集成可能会失效。这个 skill 明确要求在执行前先调用 RUBE_SEARCH_TOOLS，让 agent 基于当前 Composio schemas 工作，而不是依赖过期假设。对于重视可靠性的场景，dadata-ru-automation for Workflow Automation 比泛泛的“使用 Dadata”提示更合适。
安装前需要检查什么
该仓库路径下只有一个 SKILL.md，没有辅助脚本、参考资料或内置示例。这样做让 skill 保持轻量，但也意味着你的团队需要自带业务规则：要处理哪些实体、可接受的匹配置信度、locale 预期、错误处理方式，以及结果应更新到数据库、电子表格、CRM 还是 ticket 系统。
如何使用 dadata-ru-automation skill
dadata-ru-automation 安装与 MCP 设置
从 Composio skill collection 安装该 skill：
npx skills add ComposioHQ/awesome-claude-skills --skill dadata-ru-automation
然后在你的客户端中添加以下地址来配置 Rube MCP：
https://rube.app/mcp
使用 skill 之前，先确认 RUBE_SEARCH_TOOLS 可用。Dadata Ru 连接也必须通过 RUBE_MANAGE_CONNECTIONS 激活，toolkit 为 dadata_ru。如果连接未激活，请按照返回的授权链接完成授权，并在让 agent 处理数据前重新检查状态。
这个 skill 需要你提供哪些输入
想要获得可靠的 dadata-ru-automation usage 效果，不要只告诉 agent “清洗这些数据”。请提供：
- Dadata Ru 任务类型，例如地址建议、party lookup、bank lookup、电话/邮箱/姓名清洗，或 enrichment。
- 示例输入行或字段名。
- 期望的输出字段和格式。
- 该工作流是一次性任务、批处理，还是更大自动化流程的一部分。
- 对模糊匹配、缺失值和低置信度结果的处理规则。
- 如果结果需要写回某处，请说明目标系统。
较弱的 prompt 是：“Use Dadata for these addresses.”
更强的 prompt 是：“Use dadata-ru-automation to normalize these Russian delivery addresses. First discover current Dadata Ru tools with Rube, then return standardized address, postal code, region, city, geo coordinates if available, confidence/quality fields, and a list of rows that need manual review. Do not overwrite source values.”
首次运行的实用工作流
先阅读 composio-skills/dadata-ru-automation/SKILL.md。其中包含必需的操作模式：
- 使用具体 use case 调用
RUBE_SEARCH_TOOLS，不要使用过于宽泛的描述。 - 使用返回的 tool slugs、schemas 和 pitfalls。
- 通过 Rube 检查 Dadata Ru 连接状态。
- 使用符合 schema 的输入执行选定 tool。
- 在把更新应用到下游系统之前，先检查输出结果。
例如，应使用 “Dadata Ru company lookup by INN and return official name, status, address, and management fields”，而不是 “Dadata Ru operations”。具体的发现查询能产生更相关的 tool 推荐，并减少调用失败。
写出更好 prompt、降低自动化风险的技巧
测试时，可以要求 agent 在执行前展示所选 tool schema。对于接近生产环境的运行，应要求生成 dry-run 表格，包含输入、规范化输出、置信度指标和建议操作。如果工作流会写入另一个系统，请将查询和写回分开：先收集 Dadata 结果，再要求生成更新计划，最后审批执行。
dadata-ru-automation skill 常见问题
dadata-ru-automation 只适用于俄罗斯数据吗？
是的，这个 skill 面向 Dadata Ru toolkit，最适合俄罗斯地址、组织、银行以及个人/联系人数据格式。它不是通用的国际数据清洗 skill。如果你的数据集大多不在 Dadata.ru 覆盖范围内，请改用覆盖面更广的 enrichment 或 validation 工作流。
它比普通 prompt 好在哪里？
普通 prompt 可能会编造 endpoint 名称，或假设旧版请求字段。dadata-ru-automation 会要求 agent 先使用 Rube MCP discovery，再遵循 Composio 返回的实时 schema。对于真实工作流自动化来说，这一点很重要，因为 agent 可以适配当前可用的 tools，而不是依赖记忆。
新手需要了解 Dadata API 吗？
不需要深入了解，但新手应理解业务目标以及数据的大致形态。这个 skill 可以发现 tools 和 schemas，但无法替你决定质量阈值、如何处理重复项，或返回的组织/状态是否符合你的流程要求。应把它当作自动化指南，而不是数据治理规则的替代品。
什么时候不应该使用这个 skill？
如果你无法连接 Rube MCP、无法激活 Dadata Ru toolkit，或者只需要离线文本清洗且不需要 Dadata 查询，就不应使用 dadata-ru-automation。在完成小批量测试之前，它也不适合直接用于大规模无人值守更新；你需要先验证 rate limits、错误处理和审核规则。
如何改进 dadata-ru-automation skill
让 dadata-ru-automation 输入更明确
提升结果质量最简单的方法，是提供精确的任务契约。包括列名、示例、必需字段、可接受的 null 处理方式，以及最终输出目的地。例如，“normalize raw_address into postal_code, region, city, street, house, geo_lat, geo_lon, and qc” 会给 agent 一个具体 schema，便于它映射到发现到的 Dadata tools。
为模糊匹配添加审核规则
常见失败模式包括多个可能的组织、地址不完整、公司记录过期、转写问题以及标识符缺失。请告诉 agent 如何处理这些情况：“If confidence is low, mark needs_review=true”，“Do not choose between multiple parties without INN/KPP”，或 “Preserve the original user-entered value in source_value.”
在首次 tool discovery 后继续迭代
第一次调用 RUBE_SEARCH_TOOLS 后，要求 agent 在执行前汇总可用的 tool slugs、必需输入、可选字段和已知 pitfalls。这样可以把 dadata-ru-automation guide 变成可审计的计划，并帮助你尽早发现不匹配之处，例如数据只有名称、没有 INN 或地址上下文，却试图进行公司 enrichment。
为你自己的工作流扩展这个 skill
由于上游 skill 有意保持极简，团队可以通过添加本地示例、批处理模板、校验清单或后处理规则来改进它。实用的补充包括地址规范化、按 INN 进行 party lookup、按 BIK 进行 bank lookup、CRM enrichment，以及 CSV review 工作流的示例 prompts。请将这些扩展与凭证分开保存，并避免硬编码本应通过 Rube 发现的 schemas。