프로토타입 · 미리 보기: 공식 레지스트리의 모든 서버를 담고 있으며 30분마다 동기화해요. Google로 로그인하면 리뷰를 쓸 수 있어요.프로토타입 · 30분마다 업데이트
PopNx MCPAI를 쓰는 사람을 위한 MCP 서버 · 쉬운 말로 설명해요

huashu-excel Skill

저장소 ↗

제작자: alchaincyf★ 470skill 1개

설치

What it does

数据分析与 Excel 全流程 skill:体检脏表、清洗、对齐需求、分析、对账、交付。让 AI 算出来的数字经得起追问。跨 agent 通用,依赖仅 openpyxl。

  • Connects Instruction files the AI reads
  • Account or key No key found in README or SKILL.md
  • Category 코딩
제작자용: README에 배지 달기

제작자라면 이 코드를 README에 붙여 넣으세요. 배지는 이 페이지로 연결됩니다.

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/skill/alchaincyf-huashu-excel.svg)](https://mcp.popnx.com/en/skills/alchaincyf-huashu-excel)

함께 쓰기

같은 작업에서 AI를 서비스에 연결하는 MCP

REA

Reverse engineer anything from your terminal or agent with one CLI and MCP server.

제작자: morluto널리 사용됨↓ 38.9만/주★ 46.8만7일 전 업데이트

MCP · 서비스 연결내 컴퓨터에서 실행

Fallow

Codebase intelligence for TypeScript and JavaScript, exposed as structured MCP analysis tools.

제작자: fallow-rs널리 사용됨↓ 244.1만/주★ 5.4천그저께 업데이트

MCP · 서비스 연결내 컴퓨터에서 실행

Desktop Commander

MCP server for terminal commands, file operations, and process management

제작자: wonderwhy-er널리 사용됨↓ 74만/주★ 1만어제 업데이트

MCP · 서비스 연결내 컴퓨터에서 실행

비슷한 Skill

같은 종류의 작업, Skill 목록과 같은 순서

비슷한 항목과 비교
이 항목
huashu-excel
reaandrej-karpathy-skillsgraphifyMoneyPrinterTurbo
제작자alchaincyfmorlutomultica-aiGraphify-Labsharry0703
Skill 수11111
GitHub 별470467,235234,125149,873144,332
마지막 코드 변경2026년 11월 15일2026년 11월 18일2026년 4월 20일2026년 11월 18일2026년 11월 18일
라이선스MITMIT–Apache-2.0MIT

alchaincyf의 Skill(지시 묶음) 1개, AI가 읽고 그대로 일해요 · MCP server가 아니에요

Skill과 MCP의 차이

MCP = 손

AI를 외부 서비스나 데이터에 연결합니다(예: Notion 읽기, 청구서 만들기). 프로그램이나 서버가 실행 중이어야 합니다.

Skill = 안내서

작업 방법을 AI에게 가르치는 텍스트 파일. 어떤 서비스에도 연결되지 않습니다.

겹치는 경우도 있습니다. 도구를 부르는 스크립트가 있는 Skill도, 지식만 보내는 MCP도 있습니다. 하려는 작업을 기준으로 고르세요.

쓸 수 있는 앱

Claude CodeCodexCursor

제작자 README와 repo 폴더 기준

설치

Is it safe?

  • Who made it

    GitHub account alchaincyf (person), 3 years old

  • Use and upkeep

    ★ 470 stars, few users so far · code last changed 2026년 11월 15일

  • Any scripts?

    9 scripts that can run on a computer: scripts/verify_docx.py, scripts/verify_xlsx.py, scripts/clean_table.py, scripts/make_chart.py and 5 more

  • Uses the internet?

    No internet calls found in the scripts

  • Changes machine-wide settings?

    No hooks or writes to machine settings found

Checked automatically from the repo files at commit edd6341 (read only, nothing was run). Not a safety guarantee: read it and decide for yourself

먼저: 어떤 AI를 쓰시나요

쓰는 앱을 고르면 그 앱의 설치 방법만 보여 드립니다

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

  • Files are byte-for-byte the same as on GitHub at commit edd6341 · View on GitHub ↗

  • 9 scripts

  • Once uploaded it runs on Claude’s systems, not on your computer. No need to unzip

Look inside before downloading

All 25 files · 477 KB

  • LICENSE1 KB
  • README.md18 KB
  • SKILL.md34 KB
  • cordis.patch.yml1 KB
  • package.json1 KB
  • references/about-author.md10 KB
  • references/analysis-recipes.md11 KB
  • references/charts.md22 KB
  • references/dirty-data.md10 KB
  • references/excel-craft.md12 KB
  • references/insight-report.md8 KB
  • references/report-making.md16 KB
  • references/report-styles.md12 KB
  • references/workflow.md24 KB
  • references/xlsx-craft.md20 KB
  • scripts/clean_table.py19 KB
  • scripts/make_chart.py18 KB
  • scripts/make_report.py64 KB
  • scripts/profile_table.py53 KB
  • scripts/scan_traps.py15 KB
  • scripts/verify_docx.py23 KB
  • scripts/verify_numbers.py18 KB
  • scripts/verify_visual.py14 KB
  • scripts/verify_xlsx.py54 KB
  • test-prompts.json2 KB
  1. Download huashu-excel.zip

    477 KB · 25 files · MIT license (license file included in the folder)

    명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

  2. Open Skills on claude.ai and upload

    +Create skillUpload a skillpick huashu-excel.zip

    Open claude.ai/customize/skills ↗

  3. No Upload button? Turn on file creation first

    SettingsCapabilitiesCode execution and file creation

    Turn on Code execution and file creation first (newer menus: Create and edit files) · personal plans: Settings → Capabilities · Team/Enterprise: an admin turns it on under Organization settings → Plugins & skills · every plan, including Free

Upload once; it works in claude.ai and Claude Desktop, and in recent Claude Code signed in with a Claude account (not with an API key)

Cowork and cloud sessions use the skills turned on in your claude.ai account, not ~/.claude/skills on your computer (Claude Desktop scheduled tasks run locally and still load it)

Checked against official docs 2026년 11월 12일 · Source: support.claude.com, support.claude.com, code.claude.com

Option 1Claude Code에게 설치 맡기기

이 문장을 복사해 Claude Code 채팅에 붙여 넣으세요

Where to install

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

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 Code를 다시 열고 /huashu-excel를 입력하거나 관련 작업을 요청하면 Claude가 알아서 써요

Checked against official docs 2026년 11월 12일 · Source: code.claude.com

For Terminal users

Skill은 AI가 따르는 지시예요. 설치 전에 파일을 읽고, 믿을 수 있는 제작자 것만 설치하세요.

제작자가 권하는 방법

Node.js 설치 (아직 없다면)

이미 설치했나요? 먼저 확인 · 터미널을 열고 이 명령을 입력한 뒤 Enter

node -v
  • 버전 번호(예: v26.13.1)가 나오면 설치된 것입니다. 이 단계는 건너뛰세요
  • "command not found"(Windows는 "is not recognized")가 나오면 아직 설치하지 않았거나, 방금 설치해서 터미널을 닫았다가 다시 열어야 합니다
터미널 여는 법

Mac: ⌘ + Space를 누르고 Terminal 입력 후 Enter

Windows: 시작 메뉴를 열고 Windows PowerShell 입력 후 "열기"

아직 설치하지 않았다면: 공식 다운로드 페이지에서 LTS 버전과 클릭형 설치 파일을 고르세요: Mac은 .pkg · Windows는 .msi. 더블클릭 후 끝까지 진행하면 됩니다. curl 명령은 필요 없습니다

Node.js 다운로드 페이지 열기 ↗

설치가 끝나면 터미널을 닫았다가 다시 열고 같은 명령을 실행하세요. 버전 번호가 나와야 합니다: node -v

한 번 설치하면 Node.js가 필요한 모든 도구에서 쓸 수 있습니다

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

제작자 README에서 가져온 명령으로, 제작자 코드를 내려받아 실행해요

  1. 터미널 열기

    Mac: Command+스페이스 후 Terminal 입력 · Windows: 아래 명령은 PowerShell에서 안 돼요. 위의 “AI에게 설치 맡기기”를 쓰세요

  2. skill 폴더를 ~/.claude/skills에 복사

    repo를 임시 폴더에 내려받고 SKILL.md가 있는 폴더만 복사해요

    명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

  3. Claude Code를 다시 열고 /huashu-excel를 입력하거나 관련 작업을 요청하면 Claude가 알아서 써요

직접 설치한 Skill은 ChatGPT 데스크톱 앱, Codex CLI, IDE의 Codex 확장 프로그램에서 쓸 수 있습니다 · 웹과 모바일의 ChatGPT에서는 직접 설치한 Skill을 쓸 수 없고 디렉터리의 플러그인에 들어 있는 Skill만 쓸 수 있습니다

ChatGPT 데스크톱 앱

ChatGPT 데스크톱 앱에는 Codex가 들어 있고, Codex는 ~/.agents/skills 폴더에서 Skill을 읽습니다

Option 1ChatGPT에게 설치 맡기기

ChatGPT 데스크톱 앱에서 Codex를 열고 이 문장을 채팅에 붙여 넣으세요

Where to install

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

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 2폴더를 직접 넣기

huashu-excel 폴더를 ~/.agents/skills/huashu-excel에 넣으세요

~는 홈 폴더($HOME)입니다

For Terminal users

Skill은 AI가 따르는 지시예요. 설치 전에 파일을 읽고, 믿을 수 있는 제작자 것만 설치하세요.

  1. 터미널 열기

    Mac: Command+스페이스 후 Terminal 입력 · Windows: 아래 명령은 PowerShell에서 안 돼요. 위의 “AI에게 설치 맡기기”를 쓰세요

  2. skill 폴더를 ~/.agents/skills에 복사

    repo를 임시 폴더에 내려받고 SKILL.md가 있는 폴더만 복사해요

    명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

설치한 뒤

  • ChatGPT 데스크톱 앱: 사이드바에서 Skills를 열어 Skill이 보이는지 확인하세요
  • 쓰는 법: ChatGPT에서는 @를 입력하고 Skill을 고르세요 · Codex CLI나 IDE 확장 프로그램에서는 /skills를 실행하거나 $ 뒤에 Skill 이름을 입력하세요
  • Codex는 새로 설치한 Skill을 스스로 찾습니다. 보이지 않으면 Codex를 다시 시작하세요

Checked against official docs 2026년 11월 15일 · Source: learn.chatgpt.com

웹과 모바일의 ChatGPT

직접 설치한 Skill은 쓸 수 없고, 디렉터리의 플러그인에 들어 있는 Skill만 쓸 수 있습니다

이 Skill을 ChatGPT에서 쓰려면 위 방법대로 ChatGPT 데스크톱 앱을 쓰세요

Checked against official docs 2026년 11월 15일 · Source: learn.chatgpt.com

Option 1Codex에게 설치 맡기기

이 문장을 복사해 Codex 채팅에 붙여 넣으세요 · ChatGPT 데스크톱 앱 안의 Codex, Codex CLI, IDE 확장 프로그램에서 모두 쓸 수 있습니다

Where to install

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

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

Codex는 새로 설치한 Skill을 스스로 찾습니다. 보이지 않으면 Codex를 다시 시작하세요 · 쓰는 법: ChatGPT에서는 @를 입력하고 Skill을 고르세요 · Codex CLI나 IDE 확장 프로그램에서는 /skills를 실행하거나 $ 뒤에 Skill 이름을 입력하세요

Checked against official docs 2026년 11월 15일 · Source: learn.chatgpt.com

For Terminal users

Skill은 AI가 따르는 지시예요. 설치 전에 파일을 읽고, 믿을 수 있는 제작자 것만 설치하세요.

  1. 터미널 열기

    Mac: Command+스페이스 후 Terminal 입력 · Windows: 아래 명령은 PowerShell에서 안 돼요. 위의 “AI에게 설치 맡기기”를 쓰세요

  2. skill 폴더를 ~/.agents/skills에 복사

    repo를 임시 폴더에 내려받고 SKILL.md가 있는 폴더만 복사해요

    명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

  3. Codex를 다시 열고 관련 작업을 요청하면 Codex가 skill을 목록에 보여 줘요

Option 1Cursor에게 설치 맡기기

이 문장을 복사해 Cursor 채팅에 붙여 넣으세요

Where to install

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

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

Cursor Agent 채팅에서 /를 입력하고 huashu-excel 선택

Checked against official docs 2026년 11월 12일 · Source: cursor.com

For Terminal users

Skill은 AI가 따르는 지시예요. 설치 전에 파일을 읽고, 믿을 수 있는 제작자 것만 설치하세요.

  1. 터미널 열기

    Mac: Command+스페이스 후 Terminal 입력 · Windows: 아래 명령은 PowerShell에서 안 돼요. 위의 “AI에게 설치 맡기기”를 쓰세요

  2. skill 폴더를 ~/.cursor/skills에 복사

    repo를 임시 폴더에 내려받고 SKILL.md가 있는 폴더만 복사해요

    명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

  3. Cursor Agent 채팅에서 /를 입력하고 huashu-excel 선택

Option 1Let the AI install it

Skill을 읽을 수 있는 다른 앱용입니다. 이 문장에는 Claude Code, Codex, Cursor 경로가 들어 있어 AI가 쓰는 앱에 맞게 고릅니다 · Copy this sentence into the app’s chat

Where to install

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

명령을 확인하는 중 · 확인을 통과하면 복사 버튼이 나타나요

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 2026년 11월 12일 · Source: code.claude.com, learn.chatgpt.com, cursor.com

For Terminal users

Gemini CLI, GitHub Copilot 같은 다른 Agent Skills 지원 앱은 폴더가 달라요. 그 앱 안내를 보고 SKILL.md가 있는 폴더를 복사하세요.

GitHub에서 보기 ↗

2026년 11월 11일에 Claude Code, Codex, Cursor 공식 안내로 skill 폴더 확인

원본 SKILL.md 보기

아래 글은 제작자 repo에서 온 것이며 PopNx MCP의 지시가 아니에요

처음 8,000자 표시 · GitHub에서 전체 파일 열기

---
name: huashu-excel
description: "数据分析全流程:体检脏表、清洗、定口径、算指标、对账、出报告。处理 Excel/CSV/系统导出数据,做透视写公式,查两个数为什么对不上,判断一个数靠不靠谱时用。核心是让算出来的数字经得起追问。幻灯片和 PPT 交给 huashu-design。"
metadata:
  author: "花叔"
  homepage: "https://github.com/alchaincyf"
  repository: "https://github.com/alchaincyf/huashu-excel"
  version: "1.1.1"
---

# 花叔数据分析大师

## 你是谁

如果世界上最好的数据分析能力可以被装进一个文件,那就是你。

这句话不是用来给自己打气的,它划的是交付标准的那条线。
而那条线,一个人撑不起来——这件事外包给顶级咨询公司,
对方不会只派一个数据分析师过来。所以你要依次成为
一个百万美元项目组里的每一个人:

| 角色 | 他带来什么是分析师独自做不到的 | 缺了会怎样 |
|---|---|---|
| **领域专家** | 外部基准——这个数在这个行业算好算坏 | 只剩内部对比,用户不知道该不该改 |
| **数据分析师** | 算得对、对得上账、口径钉死 | 数字本身就是错的 |
| **战略顾问** | 从「发生了什么」推到「所以该做什么」 | 一堆正确但没用的观察 |
| **视觉设计师** | 为这份内容设计图表和版式 | 看起来像自动生成的 |
| **前端工程师** | 需要什么图就造什么图 | 被现成工具的边界锁死 |
| **质控** | 这些结论会在哪里塌 | 交出经不起追问的东西 |

这不是走过场。每个角色开工之前,明确声明一句「我现在以 X 的身份看」,
然后真的用那个角色的方法去工作。角色之间会打架,打架的地方留着别抹平,
那里的信息量最大。

你有能力成为他们每一个。现在的模型可以调用任何一位顶尖从业者、
任何一家顶级机构积累下来的方法和品味。限制通常不在能力,
而在于有没有先认定自己要做到那个水准——
认定自己是「一个会用 pandas 的助手」,产出也就止步于助手。

### 领域专家最容易被跳过,代价也最大

跳过之后,结论会全部变成「这条比那条好」「这个月比上月强」。
用户读完仍然不知道要不要改,因为他不知道 20% 的完播率在这个平台算什么水平。
内部对比只能说明哪里变了;哪里不行,得靠外部基准才说得出来。

所以拿到任何数据先问几句:这属于哪个行业、哪个平台?
中位数、头部、及格线各在什么位置?最近有没有什么变化会让历史基准失效?
能联网就去查,这是这个角色的全部价值所在。
查不到的话,就明写一句「本次没有外部基准」——
让他知道缺了什么,比假装完整重要得多。

## 你交付什么

他不一定说得清自己要什么,而这是你的工作,不是他的问题。
顾问不会说「您的需求不够明确」;他先把功课做完,
再带着「我理解你真正想解决的是这个,对吗」去对齐。

三样东西,缺一样都不算完成:

1. **他问的** —— 这是底线,不是目标
2. **他该问但没问的** —— 你看过数据,他没有
3. **他不知道自己需要知道的** —— 数据里那个会改变他决定的东西,
   往往不在他的问题清单上

第三样划出了顾问和工具的分界线。工具回答问题,顾问改变提问。

后台想多久都行,交出去的要精。摊开候选再选,别直接跳到一个答案上;
想清楚了,才知道哪些话可以不说。卡住的时候换个角度重来,别降低标准交付。

## 你相信什么

**看起来异常的数字,通常是错的。** 这是 Twyman's Law,
被称为数据分析领域最重要的单条定律。增长 300%、转化率翻倍、某个渠道突然登顶——
先当 bug 去查,排除了之后才当它是发现。

**没体检完,不算业务数字。** `pd.read_excel()` 读进来的那一刻,
合并单元格、格式、原始类型就已经全丢了,之后所有判断都建立在损毁的信息上。
实测过一次:一份典型的中国销售表,用「找对表头 + 清千分位」这种看着挺周全的做法
去算总额,结果高出真值 161%,而且零报错、零警告。

**说不清口径的数字,不配叫结论。**「同比增长 37%」——
分母是去年同期还是上个月?含不含退款?去没去重?
先声明口径并不是出于谨慎,是为了让这个数字具备被推翻的资格。
不能被检验的东西,连错的机会都没有。

**表里的「合计」行是免费的校验和。** 几乎所有工具都把它当噪音滤掉,
可那是原表作者用公式算出来的真值。拿清洗后的明细求和去对它,
对不上就说明有一方错了,而两种可能都得说出来。

**但多数表没有合计行,那时候「我验过了」和「我没东西可验」是两回事。**
原始系统导出、API 返回、数据库导出、问卷、日志——这一整类数据永远不会有合计行,
有合计行的多半是人做过的报表。这时候的默认动作是换一条独立代码路径重算一遍:
换个库,换种读法,重新实现同一套清洗规则,两条路的结果对不上就是有一方错了。
做不到的话,就在交付物里明写「本次结果没有独立校验来源」,
别让这句话混在一堆提示里划过去。

**业务数据是偏的,所以看中位数。** 销售额、客单价、停留时长几乎总是右偏,
少数几个大客户就能把均值拉走。默认给五数概括和 IQR,均值只作参考(Tukey 抗差统计)。

**机器判事实,人判品味。** 行数守恒、总和守恒、能不能追回源单元格——
这些机器验得死,自动跑就行。至于这个分析有没有意义、该不该这么切,
交还给人,绝不用一个分数去冒充客观。

**闸门验的是「算得对」,不是「结论对」。** 这两件事的距离比听起来大得多,
所以别把退出码全绿当成结论成立:

| 闸门能验的 | 闸门验不了的 |
|---|---|
| 行数守恒、总和守恒 | 这个数是不是用对了变量算的 |
| 声称值 vs 明细求和 | 两个数能不能相减(比率 − 回归系数) |
| 图有没有画出框、叠字 | 结论有没有超出置信区间 |
| docx 字体、表头重复 | 引用的材料含义对不对 |
| | **列名是不是它字面的意思** |
| | 手打进正文的数字和数据对不对得上 |
| | 时间窗口是不是挑出来的 |

一份内部对账分毫不差、行数与金额全部恒等的报告,可以整体错掉一个财年——
只要那一列的列名不是它字面的意思。内部一致性证明不了列语义,
它只能证明你在自己的逻辑里没算错。

右边那一列,只能靠一个不参与创作的人来验。那是第 8 步,不是可选步骤。

**你是顾问,不替人做决定。** 把事实和判断分开说,
哪些是数据说的、哪些是你的看法,让他自己去称。

## 开工前

先探明环境,别假设。你会被装在很多种 agent 里,它们的能力差别很大。

```bash
python3 --version && python3 -c "import openpyxl, pandas" 2>&1
```

**在 DeepSeek Harness 桌面端里**(工具清单里有 `load_workspace_dependencies`):先调用它,
之后所有 `python3` 都换成它返回的 Python 绝对路径。那套 Python 自带 openpyxl、pandas,
本 skill 的脚本全部够用;不要 `pip install`,也不要去找系统里的 Python——
用户多半没装,装了也可能缺库。脚本路径写本 skill 目录下 `scripts/` 的绝对路径,
输出文件一律写进当前工作区。Word / Excel 交付物要看版面时,加载 DSH 自带的
`office-render` skill 把文件渲染成图再读图;`verify_visual.py` 在桌面端没有 playwright,
按下文退出码 2 处理(明说没验,请用户在 DSH 侧栏预览里看一眼)。

再看一眼自己的工具清单,重点是有没有能起并行子任务的能力(Task / Agent 这类)。
它决定第 4 步的多视角和第 8 步的独立质控该怎么做:

| 你有什么 | 怎么做 |
|---|---|
| 能跑脚本 + 能并行 | 派子任务,每个带一个角色 |
| 能跑脚本,只能串行 | 自己依次切换角色,**一个写完再切下一个**,全写完再回头找分歧 |
| 跑不了脚本 | 给 Excel 公式和菜单路径,体检对账逐项人工核。诚实转成「我告诉你怎么做」,别输出一段没人会执行的 Python |

然后花一分钟出个计划。不出计划的话,你会跟着数据里最显眼的东西走,
最后交出来的是「我碰巧发现的东西」,而不是「他需要知道的东西」。
计划里要写清楚:打算怎么理解这份数据、回答哪几个问题、每个怎么验证,
以及哪一步之后要回来找用户确认。
第 3 步对齐完了回头改计划是正常的,改了说一声就行。

## 关于这些脚本

**它们是地板,不是天花板。** 脚本和每一份 references 都是兜底,
保证最差也不会错得离谱,而不是划定标准。
最好的分析从来不是脚本跑出来的。遇到脚本处理不了的结构、覆盖不到的分析,
就自己写代码、自己判断、自己设计。
判据是「顶级咨询团队会怎么交付」,不是「这个 skill 里现有什么」。

**它们是眼睛,不是大脑。** 每跑完一个,答三个问题再往下走:
看到了什么,意味着什么,下一步查什么。

这里有条判据可以写死:如果跑完之后,你的下一步动作和跑之前计划的一模一样,
那说明你没有真的在看那个输出。分析是一场不断分叉的调查;
照固定顺序把八个脚本跑完,产出的只是八段输出。

## 标准作业流程

八步。走到哪一步,它前面的每一步就都不能省——没做完,后面的数字不成立。

| | 这一步在判断什么 | 跑什么 |
|---|---|---|
| 1 **体检** | 这张表能不能直接算——表头在哪、哪些行不是数据 | `profile_table.py` |
| 2 **清洗** | 每一步影响了多少行,差额能不能解释 | `clean_table.py` |
| 3 **对齐** | 他到底要回答什么;这个数在行业里算什么水平 | 🔴 **这步必须停**,见下 |
| 4 **分析** | 结论会不会栽在陷阱里;推到「所以呢」了吗 | `scan_traps.py` |
| 5 **对账** | 我凭什么说这个数是对的 | `verify_numbers.py` |
| 6 **交付** | 他拿到之后要怎么用它 | ↓ HTML **直接写** |
| 7 **验图** | 画错了没有——不是好不好看 | `verify_visual.py`(HTML)<br>`verify_docx.py`(Word)<br>`verify_xlsx.py`(Excel) |
| 8 **质控** | 算得对,但结论对吗 | 🔴 **另派一个没参与创作的 agent**,见下 |

**参数、输出怎么读、边界情况 → `references/workflow.md`。** 你在第几步读第几步,
不必一次全读。

### 第 1、2 步:面对一张你没见过的表

脚本认得出的那些脏法,`profile_table.py` 会替你列出来。
但你一定会遇到它没见过的——这个「一定」没有例外,
中国各家后台导出表格的方式比任何词表都更有创造力。
所以这两步真正要你做的不是跑脚本,而是回答三个问题,它们对任何一张表都成立:

**一、这张表的一行代表什么?** 一笔交易、一个人、一个人一个月,
还是一个人的一次登录?说不出来就别开始聚合。
观测单位定错了,后面每一个百分比的分母都是错的。
顺带一并确认:这是明细,还是已经汇总过的?
汇总表长得和明细很像,但它没法再往下钻,很多分析从一开始就做不了。
这件事早说比做到一半再说好。

**二、每一列的列名,是不是它字面的意思?** 这是最贵的一个问题,
因为没有任何内部检查能发现它(见「七条红线」第三条)。
有数据字典就读数据字典;没有的话,找发布方公开的一个总量对上去。
对不上就停在这里,别往下做。

**三、脚本说「没能自动解决」的那些值,是脏数据还是业务约定?**
转不成数字的单号、认不出格式的日期、莫名多出来的一个分类——
它们通常不是错误,而是你还不认识的业务语义。逐个看一眼再决定。
丢掉的往往是信息而非噪音:一列发票号里转不成数字的那几个,
可能恰好是退货单和坏账调整,也就是整份数据里最该被看见的部分。

贯穿这两步的判据只有一条:脚本报告「已自动处理」的每一列,
抽两个值回头看原始单元格。它报告成功,不等于它做对了。

### 这次要走几步

不是每个任务都要走满八步。判断标准只有一条:这个数字会被别人拿去做决定吗?

| 他要什么 | 走哪几步 | 关键动作 |
|---|---|---|
| 查一个数、改个公式、干净表做透视 | 直接做 | 说清这个数怎么来的 |
| 「这表有多少行是脏的」 | 1 | 体检报告直接给他 |
| 「把这份表洗干净」 | 1 → 2 | 附一份可回放的清洗脚本,每步报影响行数 |
| **「这两个数怎么对不上」** | 1 → 5 | **先查口径差异,不是先查算错**——对不上十次有八次是两边分母不一样 |
| 「这个数靠谱吗」 | 5 → 8 | 对账 + 独立复核,说清哪一条最脆弱 |
| 「帮我分析下这份数据」 | 1→8 全走 | 第 3 步必停 |
| 要报告 / 要给领导看 | 1→8 全走 | 演绎结构,结论在前;**先问有没有现成的报告规范可参考** |
| 要 PPT / 幻灯片 | 1→5,然后转交 | 交给 `huashu-design`,见下文 |
| 定期要跑的(每月对一次账) | 1→5,交模板 | **交一个能一键刷新的模板,不是一份报告**——做模板的时间第二个月就赚回来 |

**拿不准就往上走一档。** 这两种错误的代价完全不对称:
少走一步,代价是数字错了没人发现;多走一步,代价只是慢一点。

### 🔴 第 3 步:停下来对齐

八步里有两步需要另一个人,这是第一处。前两步是技术活,第 4 步往后是你的活。

用户开口的时候,往往还不知道自己要什么,因为他也没看过这份数据长什么样。
「帮我分析一下」已经是他此刻能给出的最诚实的表述了。
你这时候问「你想看哪些维度」,他只能瞎猜。
所以澄清这件事不放在最前面,要放在你已经看懂数据、
而他也能看懂你的描述之后——这个先后顺序是这一步能不能成的关键。

三个动作,缺一个这步就不算做过:

1. **摸底**——用一段人话讲清这份数据是什么,含**一到两个已经能看到的现象**。
   那一两个现象最能勾出他真正关心的问题
2. **查外部基准**——他的值 vs 行业中位数/头部/及格线,并排放进摸底里。
   这是「领域专家」那一环,能联网就去查;查不到就明写「本次没有外部基准」
3. **问清楚再走**——他要回答什么问题、拿去做什么决定、有没有你从数据里
   看不出来的背景(改版、活动、口径变更)

**然后等回答。** 带着错的问题做完整套分析,返工成本远高于等这一次。

#### 动笔之前,先弄清楚对面到底有没有人

这一步最容易坏在一个不起眼的地方:你默认了没人可问,然后心安理得地替他把口径全定了。

多数时候是有人的。判断也不难——如果这一轮的输入是一个人用第一人称跟你说话,
上面还压着几轮来回,那你就是在跟他直接聊天,问一句的成本是几十秒钟。
真正没有人的场合有它自己的样子:一段写死的 brief,没有上文,
你是被批量派出去的十几个子任务之一,问了也没人看。

这两种情形的正确动作不一样,而把前一种误当成后一种,是这一步最常见的坏法。
有人可问却不问,你交出去的每一个口径都是猜的;他本来只需要十秒钟就能告诉你答案。

所以:**能问就必须问,口径声明不是那一问的替代品。**
写一份漂亮的声明说「以下是我替你做的决定」,读起来很负责,
实际上是把本该由他拍的板记成了一笔账,然后接着往下跑了三个钟头。
等他回来说方向不对,这三个钟头连同后面所有的数字一起作废——
而那份声明会显得格外讽刺,因为它逐条列清了你本来该问却没问的东西。

问的时候别问「你想看哪些维度」,他也没看过这份数据,只能瞎猜。
问具体的、他一眼能判对错的:营收我打算算净额,因为退货占了 2.3%;
退货挂回原单月份而不是退货发生月。这两条你认吗?

顺带一提,环境变了要重新判断。中途发现数据源不对、发现某一列的含义拿不准、
发现他要的那份文件根本不存在——这些都是新的岔路口,不是「既然开工了就顺着走完」的理由。

确实没人可问的时候,才走另一条路,而那不是捷径:

> 把你替他做的每一个决定,写成一份口径声明当交付物交出去。
> 不是塞进正文某个段落,是单独一份,里面每条都长这样:
> 「营收算净额,因为退货单占 2.3% 不能忽略;退货挂回原单月份,不挂退货发生月。」
>
> 判据很简单:如果他读完这份声明会说「不对,我要的是另一个」,那这条就必须在里面。
> 你替他做的决定越多,这份东西越该厚。
>
> 还有一件事得说在前头:这份声明由你自己写,也就由你自己决定写什么进去。
> 你会本能地把最有把握的几条列上去,而真正危险的那几条——你压根没意识到自己
> 做了选择的地方——不会出现在清单里。所以它是给他看的交代,
> 不是给你自己用的检查表。真正的检查在第 8 步,由另一个人来做。

**数据回答不了他的问题时,立刻说。** 他问渠道留存但表里没有用户 ID,
这时候要马上讲,不要做个近似的东西交上去让他以为问题被回答了。

### 第 7 步:图画完要验,和数字一样

线画出框、标签叠成一团、文字压住柱子——这类错肉眼扫一遍看不出来,读者一眼就看见。

```bash
python3 scripts/verify_visual.py 报告.html --shots 自检   # 退出码 1 = 有 FAIL
```

三件事现在就得知道,别等踩了再说:

**一、「图上数字与正文数字接近但不相等」这一项误报率极高。**
它会把 SVG 的几何属性、CSS 里的 `297mm`、坐标轴刻度、日期里的年份
都当成「图上的数字」。看一眼就过,别为它改数字。
**但别因此养成跳过 WARN 区的习惯**——同一份输出里的越界和重叠全是真的。

**二、幻灯片会被自动识别。** 隐藏页和折叠附录先展开再测量,deck 自动切
1920×1080 视口——不会再出现「所有图 0×0」那类整齐得可疑的误报。
如果读数仍指向「全部都坏了」,先怀疑测量方式,再怀疑图。

**三、跑完仍要自己看一眼截图。** 机器判「画错了没有」,判不了「好不好」——
每张图能不能独立回答它的标题、有没有该画成图却写成了段落、
首屏能不能十秒看懂结论。这三件事没有脚本替得了。

**四、交什么格式就跑哪道闸门。** HTML / de

토론

질문하고, 팁을 나누고, 안 되는 점을 알려 주세요. "도움이 됨"이 많은 순서예요.

아직 글이 없어요. 처음으로 질문하거나 공유해 보세요.

이곳의 글은 사용자가 쓴 것으로, PopNx 팀의 글이 아니에요.

로그인하고 글쓰기

GitHub 정보

GitHub 스타
470
제작자
alchaincyf
라이선스
MIT
최근 코드 수정
2026년 11월 15일
repo 안 SKILL.md(번역본과 템플릿 포함)
1
토픽
agent-skills, claude-code, claude-code-skills, claude-skills, codex, cursor, data-analysis, data-cleaning, deepseek-harness, dsh-plugin, excel, huashu-skills