Prototyp · Vorschau: alle Server aus der offiziellen Registry, alle 30 Minuten synchronisiert. Mit Google anmelden, um Bewertungen zu schreiben.Prototyp · alle 30 Min. aktualisiert
PopNx MCPMCP-Server für alle, die KI nutzen · in einfachen Worten erklärt

high-stakes-analytics-decision-lab Skill

Repository ↗

von limingrui679-design★ 1.0061 Skills

Installieren

What it does

A platform-neutral analytical Skill that profiles messy data, selects case-adaptive methods, and produces source-backed visual reports for high-stakes decisions.

  • Connects Instruction files the AI reads
  • Account or key No key found in README or SKILL.md
  • Category Design und Web
Für Anbieter: Badge ins README

Wenn du das gebaut hast, füge diesen Code in dein README ein. Das Badge verlinkt auf diese Seite.

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/skill/limingrui679-design-high-stakes-analytics-decision-lab.svg)](https://mcp.popnx.com/en/skills/limingrui679-design-high-stakes-analytics-decision-lab)

Zusammen nutzen mit

MCP-Server, die die KI für dieselbe Arbeit mit Diensten verbinden

Next AI Draw.io

draw.io diagrams your AI agent draws on a live browser canvas that you can also edit by hand

von DayuanJiangWeit verbreitet↓ 21.676/Wo.★ 37.034 Sterne des ganzen ReposAktualisiert vor 5 Tagen

MCP · Verbindet einen DienstLäuft auf deinem Computer

Pascal 3D Editor

Create, inspect, validate, and save editable 3D building scenes with Pascal's MCP server.

von pascalorgWeit verbreitet↓ 1037/Wo.★ 25.603 Sterne des ganzen ReposAktualisiert gestern

MCP · Verbindet einen DienstComputer oder Cloud✓ vom Dienst · pascal.app

Semiotic

Verified React chart generation: select, validate, repair, render, and inspect charts through MCP.

von nteractWeit verbreitet↓ 8456/Wo.★ 2717Aktualisiert heute

MCP · Verbindet einen DienstComputer oder Cloud

Ähnliche Skills

Gleiche Art Arbeit, sortiert wie die Skill-Liste

Im Vergleich mit ähnlichen
Dieser
high-stakes-analytics-decision-lab
impeccablediagram-designfrontend-slidesguizang-ppt-skill
Anbieterlimingrui679-designpbakauscathrynlaveryzarazhangruiop7418
Skills11111
GitHub-Sterne1.006112.54468.06932.51430.030
Letzte Codeänderung27. Okt. 202618. Nov. 202613. Nov. 202624. Juni 202630. Okt. 2026
LizenzMITApache-2.0MITMITAGPL-3.0

1 Skills (Anweisungssammlungen) von limingrui679-design, die eine KI liest und befolgt · kein MCP-Server

Was einen Skill von MCP unterscheidet

MCP = die Hände

Verbindet die KI mit einem externen Dienst oder Daten, etwa Notion lesen oder eine Rechnung erstellen. Ein Programm oder Server muss laufen.

Skill = das Handbuch

Eine Textdatei, die der KI zeigt, wie eine Aufgabe geht. Sie verbindet sich mit nichts.

Manches überschneidet sich: Einige Skills starten Skripte mit Werkzeugen, einige MCP-Server liefern nur Wissen. Geh von der Aufgabe aus.

Funktioniert mit

Codex

Laut README des Anbieters und den Ordnern im Repo

Installieren

Is it safe?

  • Who made it

    GitHub account limingrui679-design (person), 1 years old

  • Use and upkeep

    ★ 1.006 stars · code last changed 27. Okt. 2026

  • Any scripts?

    17 scripts that can run on a computer: scripts/analytics_router.py, scripts/init_case.py, scripts/route_question.py, scripts/allocation_optimizer.py and 13 more

  • Uses the internet?

    Could not check every script (some are too large); read them first

  • Changes machine-wide settings?

    No hooks or writes to machine settings found

Checked automatically from the repo files at commit af98eec (read only, nothing was run). Not a safety guarantee: read it and decide for yourself

Zuerst: Welche KI nutzt du?

Wähle deine App, dann zeigt diese Seite nur die Installation für diese App

Option 1Upload to claude.ai (web and app)

Uploading to claude.ai would fail: the description is over 200 characters (588). Use "Let the AI install it" instead

Option 1Claude Code installieren lassen

Kopiere diesen Satz und füge ihn in einen Claude Code-Chat ein

Where to install

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

For one project, paste it into a chat that is open in that project’s folder · The AI always shows you the path before installing

The AI tells you what it will do first and asks your permission at every step

Claude Code neu starten, dann /high-stakes-analytics-decision-lab tippen oder eine passende Aufgabe stellen; Claude nutzt den Skill

Checked against official docs 12. Nov. 2026 · Source: code.claude.com

For Terminal users

Ein Skill sind Anweisungen, denen die KI folgt. Lies die Dateien vor der Installation und installiere nur von vertrauenswürdigen Anbietern.

Vom Anbieter empfohlen

Node.js installieren (falls noch nicht vorhanden)

Schon installiert? Zuerst prüfen · Öffne das Terminal, gib diesen Befehl ein und drücke Enter

node -v
  • Eine Versionsnummer wie v26.13.1 = installiert, diesen Schritt überspringen
  • "command not found" (unter Windows "is not recognized") = noch nicht installiert, oder gerade installiert und das Terminal muss neu geöffnet werden
So öffnest du das Terminal

Mac: ⌘ + Leertaste drücken, Terminal eingeben, Enter

Windows: Start öffnen, Windows PowerShell eingeben, dann Öffnen

Noch nicht installiert: Öffne die offizielle Download-Seite, wähle die LTS-Version und den Klick-Installer: .pkg auf dem Mac · .msi unter Windows. Doppelklicken und bis zum Ende durchklicken. Kein curl-Befehl nötig

Download-Seite von Node.js öffnen ↗

Danach das Terminal schließen, neu öffnen und denselben Befehl erneut ausführen. Es muss eine Versionsnummer erscheinen: node -v

Einmal installieren, gilt für alles, was Node.js braucht

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

Aus dem README des Anbieters; lädt den Code des Anbieters herunter und führt ihn aus

  1. Terminal öffnen

    Mac: Command+Leertaste und Terminal tippen · Windows: Der Befehl unten funktioniert nicht in PowerShell; nutze oben „KI installiert es“

  2. Skill-Ordner nach ~/.claude/skills kopieren

    Lädt das Repo in einen temporären Ordner und kopiert nur Ordner mit einer SKILL.md

    Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

  3. Claude Code neu starten, dann /high-stakes-analytics-decision-lab tippen oder eine passende Aufgabe stellen; Claude nutzt den Skill

Selbst installierte Skills funktionieren in der ChatGPT-Desktop-App, in Codex CLI und in der Codex-Erweiterung für die IDE · ChatGPT im Web und auf dem Handy kann selbst installierte Skills nicht nutzen, nur Skills, die mit einem Plugin aus dem Verzeichnis kommen

ChatGPT-Desktop-App

Die ChatGPT-Desktop-App enthält Codex, und Codex liest Skills aus dem Ordner ~/.agents/skills

Option 1ChatGPT installieren lassen

Öffne Codex in der ChatGPT-Desktop-App und füge diesen Satz in den Chat ein

Where to install

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

The AI always shows you the path before installing

The AI tells you what it will do first and asks your permission at every step

Option 2Ordner selbst ablegen

Lege den Ordner high-stakes-analytics-decision-lab unter ~/.agents/skills/high-stakes-analytics-decision-lab ab

~ ist dein Home-Ordner ($HOME)

For Terminal users

Ein Skill sind Anweisungen, denen die KI folgt. Lies die Dateien vor der Installation und installiere nur von vertrauenswürdigen Anbietern.

  1. Terminal öffnen

    Mac: Command+Leertaste und Terminal tippen · Windows: Der Befehl unten funktioniert nicht in PowerShell; nutze oben „KI installiert es“

  2. Skill-Ordner nach ~/.agents/skills kopieren

    Lädt das Repo in einen temporären Ordner und kopiert nur Ordner mit einer SKILL.md

    Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

Nach der Installation

  • ChatGPT-Desktop-App: Öffne Skills in der Seitenleiste, um zu sehen, ob der Skill da ist
  • So nutzt du ihn: In ChatGPT @ tippen und den Skill wählen · in Codex CLI oder der IDE-Erweiterung /skills ausführen oder $ und den Skill-Namen tippen
  • Codex erkennt neu installierte Skills selbst; wenn einer nicht erscheint, starte Codex neu

Checked against official docs 15. Nov. 2026 · Source: learn.chatgpt.com

ChatGPT im Web und auf dem Handy

Selbst installierte Skills funktionieren hier nicht, nur Skills, die mit einem Plugin aus dem Verzeichnis kommen

Um diesen Skill mit ChatGPT zu nutzen, verwende die ChatGPT-Desktop-App wie oben beschrieben

Checked against official docs 15. Nov. 2026 · Source: learn.chatgpt.com

Option 1Codex installieren lassen

Kopiere diesen Satz und füge ihn in einen Codex-Chat ein · Funktioniert in Codex in der ChatGPT-Desktop-App, in Codex CLI und in der IDE-Erweiterung

Where to install

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

For one project, paste it into a chat that is open in that project’s folder · The AI always shows you the path before installing

The AI tells you what it will do first and asks your permission at every step

Codex erkennt neu installierte Skills selbst; wenn einer nicht erscheint, starte Codex neu · So nutzt du ihn: In ChatGPT @ tippen und den Skill wählen · in Codex CLI oder der IDE-Erweiterung /skills ausführen oder $ und den Skill-Namen tippen

Checked against official docs 15. Nov. 2026 · Source: learn.chatgpt.com

For Terminal users

Ein Skill sind Anweisungen, denen die KI folgt. Lies die Dateien vor der Installation und installiere nur von vertrauenswürdigen Anbietern.

  1. Terminal öffnen

    Mac: Command+Leertaste und Terminal tippen · Windows: Der Befehl unten funktioniert nicht in PowerShell; nutze oben „KI installiert es“

  2. Skill-Ordner nach ~/.agents/skills kopieren

    Lädt das Repo in einen temporären Ordner und kopiert nur Ordner mit einer SKILL.md

    Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

  3. Codex neu starten und eine passende Aufgabe stellen; Codex listet den Skill

Option 1Cursor installieren lassen

Kopiere diesen Satz und füge ihn in einen Cursor-Chat ein

Where to install

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

For one project, paste it into a chat that is open in that project’s folder · The AI always shows you the path before installing

The AI tells you what it will do first and asks your permission at every step

Im Agent-Chat von Cursor / tippen und high-stakes-analytics-decision-lab wählen

Checked against official docs 12. Nov. 2026 · Source: cursor.com

For Terminal users

Ein Skill sind Anweisungen, denen die KI folgt. Lies die Dateien vor der Installation und installiere nur von vertrauenswürdigen Anbietern.

  1. Terminal öffnen

    Mac: Command+Leertaste und Terminal tippen · Windows: Der Befehl unten funktioniert nicht in PowerShell; nutze oben „KI installiert es“

  2. Skill-Ordner nach ~/.cursor/skills kopieren

    Lädt das Repo in einen temporären Ordner und kopiert nur Ordner mit einer SKILL.md

    Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

  3. Im Agent-Chat von Cursor / tippen und high-stakes-analytics-decision-lab wählen

Option 1Let the AI install it

Für andere Apps, die Skills lesen. Der Satz enthält die Pfade für Claude Code, Codex und Cursor, damit die KI den für deine App wählt · Copy this sentence into the app’s chat

Where to install

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

Befehle werden geprüft · Kopier-Buttons erscheinen, sobald sie bestanden sind

For one project, paste it into a chat that is open in that project’s folder · The AI always shows you the path before installing

The AI tells you what it will do first and asks your permission at every step

Checked against official docs 12. Nov. 2026 · Source: code.claude.com, learn.chatgpt.com, cursor.com

For Terminal users

Andere Apps mit Agent Skills (etwa Gemini CLI oder GitHub Copilot) nutzen andere Ordner. Sieh in deren Anleitung nach und kopiere den Ordner mit der SKILL.md dorthin.

Auf GitHub ansehen ↗

Skill-Ordner am 11. Nov. 2026 mit den offiziellen Anleitungen von Claude Code, Codex und Cursor geprüft

Original-SKILL.md ansehen

Der folgende Text stammt aus dem Repo des Anbieters, nicht von PopNx MCP

Die ersten 8.000 Zeichen · Ganze Datei auf GitHub öffnen

---
name: high-stakes-analytics-decision-lab
description: Build or review source-backed descriptive, diagnostic, predictive, and prescriptive analysis for consequential decisions. Use when an agent must profile and safely prepare uploaded data, turn a real dataset or research question into a reproducible study, investigate drivers without overstating causality, validate a model, compare feasible actions under dependent uncertainty and tail risk, trace every parameter to evidence and approval, or produce an answer-first analytical report across health, business, finance, policy, engineering, operations, behavioral science, AI, or planning.
---

# High-Stakes Analytics & Decision Lab

Turn a real question into a defensible path from source evidence to analysis and,
only when justified, bounded action. Keep observation, diagnosis, prediction,
causal evidence, value judgments, and recommendation visibly separate.

## Start here

Run the environment audit before an executable workflow:

```bash
python3 scripts/hsadl.py doctor
```

For a safe end-to-end setup example:

```bash
python3 scripts/hsadl.py demo --output-dir /absolute/path/to/demo
```

The demo is a synthetic engineering fixture. Never cite its values as empirical
evidence.

## Route before choosing a method

| Route | Primary question | Valid endpoint |
|---|---|---|
| Descriptive | What is happening? | Baseline report or evidence request |
| Diagnostic | Why might it be happening? | Explanations to test with a visible causal boundary |
| Predictive | What is likely next? | Validated prediction, negative validation, or `do_not_deploy` |
| Prescriptive | What should be done, if justified? | Bounded action, pilot, diligence, evidence request, or no recommendation |

When only a question is available, generate a blueprint instead of inventing
results:

```bash
python3 scripts/hsadl.py route "How should limited review capacity be allocated?" \
  --scope full --output-dir /absolute/path/to/blueprint
```

Read `references/analytics-triad.md` and `references/method-routing.md` when a
request is ambiguous or spans several routes.

## Evidence-gated workflow

1. **Define the contract.** State the decision or research question,
   population, analytical unit, target quantity, horizon, intended use,
   stakeholders, and claim boundary.
2. **Establish lineage.** Prefer official, academic, or otherwise authoritative
   sources. Record publisher, version, access date, license, redistribution
   rule, grain, exclusions, file paths, and SHA-256 hashes.
3. **Gate the data.** Preserve every supplied source unchanged. Profile grain,
   keys, schema, completeness, type and domain validity, time reliability,
   privacy signals, and target leakage before calculating a result.
4. **Build the baseline.** Define denominators, coverage, missingness, trends,
   segments, and comparability before diagnosis, prediction, or action.
5. **Add only justified modules.** Select methods from the question, estimand,
   data-generating structure, and decision; never from column availability
   alone.
6. **Validate and challenge.** Use a defensible holdout or identification
   strategy, baseline comparisons, calibration or uncertainty, subgroup or
   distribution checks, dependence-aware stress, sensitivity, and reversal
   conditions as applicable.
7. **Communicate the strongest supported claim—no stronger.** The Evidence
   Intelligence Report is primary. Add a Decision Intelligence Brief only when
   a real decision, feasible alternatives, and sufficient evidence exist.

Read `references/real-evidence-workflow.md`,
`references/data-quality-gate.md`, and `references/methodology.md` for the full
contract.

## Start from a real dataset

Create a reviewable workspace in one command:

```bash
python3 scripts/hsadl.py start /absolute/path/to/input.csv \
  --question "Which groups are likely to need support next month?" \
  --output-dir /absolute/path/to/workspace
```

The initializer copies and hash-checks the source, drafts or accepts a data
contract, profiles readiness, routes the question, and records unresolved
decisions. It must not clean data, fit a model, or generate a recommendation.

The gate returns exactly one of:

- `ready`;
- `ready_with_documented_limitations`;
- `needs_user_confirmation`;
- `blocked`.

Continue only when the gate permits the intended route. Run only `safe_auto`
normalization without approval. Deletion, column removal, imputation, outlier
treatment, category merging, unit or timezone conversion, target correction,
and grain changes require approval by the exact action ID. Fail closed if the
source hash, reviewed action, approval, or raw/processed binding changes.

Direct gate and preparation commands:

```bash
python3 scripts/hsadl.py profile input.csv \
  --contract data-contract.json --output-dir readiness

python3 scripts/hsadl.py prepare input.csv \
  --quality-report readiness/data-quality-report.json \
  --cleaning-plan readiness/cleaning-plan.json \
  --approve clean-003 --output-dir prepared
```

## Select an executable module

| Need | Command | Required boundary |
|---|---|---|
| Two-group binary, continuous, or time-to-event evidence | `hsadl.py evidence` | Match the estimand and study design |
| Held-out scores, calibration, subgroup error, or drift | `hsadl.py predict` | Prediction is not intervention effect |
| Small discrete allocation with constraints and scenarios | `hsadl.py allocate` | Inputs and objectives are not empirical facts by default |
| Multi-criterion decision under dependent uncertainty | `hsadl.py validate` then `hsadl.py run` | Require owner, alternatives, constraints, provenance, approval, tails, sensitivity, and affected groups |

Read `references/method-modules.md` for command contracts and
`references/advanced-method-boundaries.md` before survival, repeated-measures,
financial-risk, spatial, or responsible-AI work.

## Decision layer

Do not begin simulation while the owner, decision, alternatives, horizon, or
hard constraints are ambiguous. Keep the status quo. Classify each input as
observed evidence, causal estimate, predictive output, expert elicitation,
policy target, analyst assumption, or value judgment.

Use fixed external scales, nonnegative weights, explicit marginal uncertainty,
shared shock factors or resampling units, tail metrics, plausible scenarios,
two-sided sensitivity, source coverage, decision-use approval, group impacts,
and reversal conditions. The highest expected score alone is not a
recommendation.

If zero breaches are observed, report the event count and one-sided 95% upper
bound. Never write “zero risk.” Numerical stability cannot upgrade evidence or
permission.

Read `references/case-schema.md`, `references/provenance-contract.md`, and
`references/reproducibility-contract.md` before running a decision case.

## Output contract

For question routing, produce `analysis-blueprint.md`,
`analysis-blueprint.json`, and `figures/analytics-lifecycle.svg`.

For row-level data, produce the readiness report and SVG, machine-readable
quality result, data contract, and cleaning plan before analytical results.
Preserve the source unchanged.

For every complete empirical project, produce:

```text
report.md                    # primary Evidence Intelligence Report
results.json                 # machine-readable result
chart-map.json               # figure-to-question and source contract
figures/*.svg                # all material, accessible analytical figures
```

A justified decision layer additionally produces `decision-report.md`,
`decision-results.json`, and a separate decision figure contract. State “no
decision-ready recommendation” when constraints or evidence invalidate the
ranking. Read `references/reporting-standard.md` and
`references/visual-report-system.md` before finalizing a report.

## Worked precedents

Read `references/case-precedents.md` to choose among fifteen school-neutral,
real-data precedents. Reuse the method contract, never a sa

Diskussion

Fragen, Tipps teilen oder melden, dass etwas nicht geht. Sortiert nach „hilfreich“.

Noch keine Beiträge. Stell die erste Frage oder teile einen Tipp.

Beiträge hier stammen von Nutzern, nicht vom PopNx-Team.

Anmelden, um zu posten

Von GitHub

GitHub-Sterne
1.006
Anbieter
limingrui679-design
Lizenz
MIT
Letzte Codeänderung
27. Okt. 2026
SKILL.md-Dateien im Repo (mit Übersetzungen und Vorlagen)
1
Themen
agent-skills, analytics, data-quality, decision-science, python, reproducible-research, responsible-ai, risk-analysis