数据可视化技能使用指南

数据可视化技能使用指南

何时使用此技能

• 需要将销售数据转化为季度趋势图表时
• 分析用户行为数据并生成可视化报告时
• 制作符合公司品牌规范的业务仪表盘时

如何使用技能

1. 上传原始数据文件（支持CSV或Excel格式）
2. 指定所需图表类型（如"生成月度销售折线图"）
3. 提供额外要求（如"突出显示超过目标的月份"）

技能资源调用说明

• 数据转换：调用scripts/transform_data.py处理原始数据
• 图表生成：使用assets/chart_template.pptx作为样式模板
• 图表选择：参考references/visualization_guide.md中的最佳实践

**验证方法**：使用`package_skill.py`脚本进行元数据验证
```bash
scripts/package_skill.py data-visualization --validate-only

任务卡4：技能打包与测试

目标：生成可分发的技能包并验证功能
关键步骤：

1. 执行打包命令

   # 基本用法：scripts/package_skill.py <技能目录>
   scripts/package_skill.py data-visualization
   
   # 指定输出目录
   scripts/package_skill.py data-visualization ./dist
   

2. 测试技能包

   • 将生成的data-visualization.zip导入Claude
   • 上传测试数据文件并请求生成图表
   • 验证输出结果是否符合预期格式和样式

验证方法：检查打包生成的zip文件是否包含所有必要文件，且无冗余内容

四、深度优化：技能性能与资源管理策略

问题：如何提升技能的执行效率和资源利用率？

1. 资源加载优化

按需加载策略：

• 将大型参考文档拆分为多个专题文件（如references/chart_types.md、references/color_standards.md）
• 在SKILL.md中使用条件引用：

  {% if chart_type == "heatmap" %}
  详细热力图生成方法参见：热力图绘制指南
  {% endif %}
  

脚本执行优化：

• 对频繁调用的功能使用缓存机制
• 将耗时操作设计为异步执行
• 示例代码：

  # scripts/transform_data.py 优化版本
  from functools import lru_cache
  
  @lru_cache(maxsize=10)  # 缓存最近10次转换结果
  def transform_to_visualization_format(raw_data_path, output_path):
      # 原有转换逻辑...
  

2. 上下文管理技巧

上下文窗口控制：

• 元数据保持在100词以内
• SKILL.md主体控制在5000词以内
• 大型参考资料提供搜索指引而非全文加载：

  财务指标解释参见`references/financial_metrics.md`，可搜索关键词"毛利率"获取详细计算方法
  

动态资源调用：

• 根据用户请求的具体图表类型，仅加载相关脚本模块
• 使用模块化设计拆分功能，如：

  scripts/
  ├── transform/
  │   ├── time_series.py  # 时间序列数据处理
  │   └── category_data.py # 类别数据处理
  └── visualize/
      ├── line_chart.py    # 折线图生成
      └── bar_chart.py     # 柱状图生成