mcpField
C
create-data-context

create-data-context

github.com/openai数据与数据库56041 次安装4 周前更新
代码仓库

关于 create-data-context

create-data-context 面向 Data Analytics 用户,用于创建、更新、检查或修复语义层,记录未来分析应如何解读数据。它指导来源审查、验证及将技能保存到可用目标位置。

主要功能

  1. 01创建和维护语义层
  2. 02将常规数据任务交给 index 技能
  3. 03选择结构化或对话式信息收集
  4. 04审查并记录来源覆盖情况
  5. 05验证并保存技能包
  6. 06提供可选的每周刷新自动化

适用场景

  1. 01记录权威指标定义和注意事项
  2. 02注明优先使用的仪表板或数据表
  3. 03检查或修复现有语义层
  4. 04规划创建语义层所需的数据来源

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/openai/role-specific-plugins --skill create-data-context

安装后在 Claude Code 中输入/create-data-context确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

agents/
openai.yaml
plugin-author-config/
automation-config.md
source-category-config.json
references/
automation.md
references/semantic-layer/
connector-playbook.md
skill-template.md
source-intake.md
weekly-polling-automation.md
scripts/
data_analytics_preflight.py
record_plugin_install_suppression.py
validate_data_context_contract.py
tests/
test_state_helpers.py

详细介绍

创建数据上下文

此技能用于为数据分析创建和维护语义层技能。语义层技能是一种明确的成果,用户可以查看并在之后引用。它记录未来分析应如何解读数据,例如应以哪个指标定义为准、哪个仪表板或表格是最可靠的信息来源,以及回答前应检查哪些注意事项。

数据分析任务由数据分析 index 技能负责路由。如果用户希望数据分析现在就处理数据,无论工作是从已连接的数据源、上传的文件、粘贴的表格、示例数据还是现有语义层开始,都应路由到 index。例如,回答指标问题、构建报告或检查数据集。

仅当用户要求保存数据上下文,或创建、更新、检查或修复语义层时,才使用此技能。

运行时路由

使用当前运行时分类出的 surface 和 mode 值,以及本次运行公开的功能,选择信息收集和持久化方式。在将内容写入任何目标之前,先构建并验证同一个规范语义层技能包。

信息收集方式:

  • 支持表单操作时,使用结构化信息收集。
  • 对于开放式细节,以及不支持表单操作的运行时,使用对话式信息收集。

默认选择一个持久化目标:

目标分支选择此分支的条件操作
ChatGPT 个人 Skillssurface = chatgpt_web,且本次运行提供了由产品支持的个人 Skills 安装入口,例如原生技能草稿、上传或安装操作,或可安装的技能包预览。将生成的技能安装到用户的个人 Skills 库中。获取安装入口返回的已安装技能链接或 Skills 库引用,并在聊天回复中将其作为 Markdown 链接提供。若运行时提供了 Skills 库、列表或新会话发现入口,则通过该入口验证。
本地 Codex用户要求本地持久化,或 surface = codex_desktop。将技能写入 $CODEX_HOME/skills/<area>-semantic-layer;如果 $CODEX_HOME 不可用,且本地运行时明确使用默认主目录,则使用 ~/.codex/skills/<area>-semantic-layer。验证写入的技能,并尽可能在新的本地 Codex 上下文中确认其可被发现。
可移植包当前运行没有受支持的持久化技能目标。返回可移植技能包或源计划,并明确说明该技能尚未持久化安装,同时指出导致无法持久化的具体原因。

如果同时支持 ChatGPT 网页版和本地 Codex,则将同一个规范包安装到 ChatGPT Skills 库和本地 Codex 用户技能目录。

对于常规数据工作,返回数据分析 index 工作流。

技能配置

受众和语言

面向数据分析用户,而非插件维护者。用实用的方式说明哪些上下文有助于当前或未来的分析。避免使用原始状态路径、连接器 ID、缓存、运行时、元数据或预检等实现相关术语,除非用户要求提供调试细节。

来源链接

在正文中引用来源时,只要有可用且有帮助的网址,优先使用可点击的 Markdown 链接,而不是纯文本标签。将来源标题、记录名称、频道或线程、会议或日期作为链接文字。只有在没有可用链接时才使用纯文本标签。

语义层设置

用户希望创建或维护语义层时,使用此流程。如果他们尚未准备好创建语义层,也可使用相同流程生成一份简短的来源计划,说明语义层需要哪些内容。

输出应为可见的技能或计划。若有足够的来源支持细节,能构建出有用的语义层技能,就构建该技能。若现有细节仍不足,则返回一份实用计划,说明接下来应收集哪些来源以及原因。

创建或更新语义层

除非用户明确要求创建更广泛的共享层,否则每个连贯的产品、业务、指标、数据源或报告领域创建一个语义层。如果根据提供的上下文可以明确判断所属领域,则据此推断;只有当答案会改变抓取范围、目标位置或生成的技能时才提问。

根据 Runtime Routing,使用当前运行环境中提供的受支持持久化机制选择目标位置。对于本地 Codex 创建,默认使用 $CODEX_HOME/skills/<area>-semantic-layer,除非用户选择其他位置。将生成的语义层技能放入插件前,请先征求用户同意。

抓取前,先建立数据源清单,说明检查了哪些内容、缺少哪些内容,以及哪些来源的可信度较低。对于直接创建或草稿文件工作,将清单写入 references/source-inventory.md;对于仅规划的工作,则在聊天中返回清单。

使用有来源支持的证据。优先采用持久可靠的来源,例如转换代码、测试、维护中的指标文档和已验证的仪表板,而不是查询历史记录或团队讨论等较宽松的信号。如果来源之间存在分歧,应明确保留冲突,不要默默择一。

保持生成的语义层技能精简。详细的指标定义、表格、查询模式、注意事项和证据应放入通过 references/semantic-layer/skill-template.md 链接的参考资料中。保留来源信息,避免在生成文件中复制原始敏感数据、凭据、行级示例或冗长的私人消息。

创建或更新语义层技能后,阅读 references/semantic-layer/weekly-polling-automation.md;如果语义层有稳定的目标路径,且存在可用的 references/source-inventory.md,则始终提供每周刷新选项。每周刷新为可选项:除非用户明确批准,否则不要创建;但如果用户直接要求定期刷新,则不在此限。如果无法提供此选项,请说明缺少的前置条件。

返回创建或更新后的路径或已安装技能链接、来源覆盖情况、与用户相关的注意事项或阻碍、后续使用指导、迭代指导,以及每周刷新自动化选项或其前置条件阻碍,以便用户在之后的提示中直接引用该语义层。告知用户,他们可以随着理解的变化,要求完善定义、添加来源、更新注意事项或调整语义层。对于 ChatGPT 个人技能创建,请在回复中包含已安装技能链接。

常规验证详情应保留在支持材料中,除非检查失败、无法执行,或会影响用户对语义层的使用方式。

输出约定

对于语义层相关工作,报告创建、更新、检查或修复的内容;来源覆盖情况;与用户相关的注意事项或阻碍;以及用户之后可以引用的确切路径或已安装技能链接。对于创建或更新的结果,应包含每周刷新自动化选项,或说明阻止提供该选项的前置条件,并告知用户可以继续迭代语义层。常规验证详情应保留在支持材料中。如果请求属于常规数据工作,请说明应通过 index 路由。

评论

支持 Markdown