data-viz-renderer — скилл для Claude Code: визуализации и установка
Скилл превращает JSON-данные в автономную HTML/SVG-инфографику: карточки показателей, сравнения, схемы процессов и дашборды. Пригодится для отчётов и продуктовых метрик.
npx skills add zebbern/claude-code-guide --skill data-viz-renderer -a claude-codeЧто делает data-viz-renderer
Скилл создаёт HTML-файл с CSS и SVG внутри, который можно открыть в браузере без сетевых запросов. Он поддерживает карточки показателей, сгруппированные столбчатые диаграммы, схемы процессов и смешанные дашборды. Палитру можно выбрать из восьми вариантов или оставить автоматический подбор; для карточек доступны встроенные иконки.
Для генерации нужны Python 3.7+ и JSON-конфигурация с типом визуализации и данными. Скрипт scripts/build_infographic.py принимает путь к конфигурации или данные через stdin, а путь результата задаётся полем output (по умолчанию infographic.html). Это повод учесть версию Python заранее: без Python 3.7+ скрипт не запустить. Внешние библиотеки устанавливать не нужно.
Какие задачи решает
- собрать HTML-инфографику из JSON-данных
- показать показатели в карточках с трендами
- сравнить несколько рядов данных столбчатой диаграммой
- изобразить этапы процесса со стрелками
- объединить метрики и графики в дашборде
Примеры запросов агенту
- Собери дашборд из метрик и данных в
metrics.jsonс помощьюscripts/build_infographic.py. - Покажи сравнение показателей по кварталам из этого JSON в виде столбчатой диаграммы.
- Сделай схему процесса по этапам из
workflow.jsonи сохрани HTML-файл.
Как установить data-viz-renderer
1Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill data-viz-renderer -a claude-code2Вручную: положить файлы
~/.claude/skills/data-viz-renderer/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/data-viz-renderer/
1Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill data-viz-renderer -a codex2Вручную: положить файлы
.agents/skills/data-viz-renderer/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill data-viz-renderer -a cursor2Вручную: положить файлы
.cursor/skills/data-viz-renderer/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install zebbern/claude-code-guide data-viz-renderer2Вручную: положить файлы
.github/skills/data-viz-renderer/SKILL.md1Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill data-viz-renderer -a gemini-cli2Командой платформы
gemini skills install https://github.com/zebbern/claude-code-guide --path skills/data-viz-rendererВручную: положить файлы
.devin/skills/data-viz-renderer/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add zebbern/claude-code-guide --skill data-viz-renderer -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о data-viz-renderer
Как установить data-viz-renderer в Claude Code?
Выполните npx skills add zebbern/claude-code-guide --skill data-viz-renderer -a claude-code. Скилл установится в ~/.claude/skills/data-viz-renderer/SKILL.md.
Что делает data-viz-renderer?
Он создаёт автономные HTML/SVG-инфографики из JSON: карточки показателей, диаграммы сравнения, схемы процессов и смешанные дашборды.
Что нужно для работы data-viz-renderer?
Нужен Python 3.7+; скрипт использует стандартную библиотеку Python. Конфигурацию можно передать файлом или через stdin.
Исходный текст
SKILL.md · MIT
---
name: data-viz-renderer
description: "Generate self-contained HTML/SVG infographics from JSON data, including stat cards, bar charts, flow diagrams, and mixed dashboards. Offers 8 color palettes and built-in icons with no external dependencies. Triggered when users request data visualization, infographics, charts, or dashboards."
license: MIT
type: tool
tags: ["infographic", "visualization", "svg", "html", "chart", "dashboard"]
---
# Data Viz Renderer
Generate self-contained HTML/SVG infographics from JSON data. Four supported types:
1. **Stats Cards** — KPI big numbers + trend arrows + icons
2. **Comparison Chart** — Grouped bar chart with multiple series
3. **Flow Diagram** — Step-by-step process with numbering, icons, and connecting arrows
4. **Dashboard** — Mixed layout: stat cards + bar chart + donut chart + flow
Output is a **fully self-contained** HTML file (all CSS/SVG inline, no external dependencies), ready to open directly in a browser.
## Usage
### Basic Usage
```bash
python3 scripts/build_infographic.py config.json
```
Also supports reading from stdin:
```bash
cat config.json | python3 scripts/build_infographic.py
```
The script outputs a JSON status to stdout and writes the generated HTML to the path specified in the `output` field.
### JSON Configuration Format
Common fields:
| Field | Type | Required | Description |
|-------|------|----------|-------------|
| `title` | string | No | Infographic title |
| `subtitle` | string | No | Subtitle |
| `type` | string | Yes | `stats` / `comparison` / `flow` / `dashboard` |
| `palette` | string | No | Color palette (default: `auto`) |
| `data` | object/array | Yes | Data content (format depends on type) |
| `output` | string | No | Output file path (default: `infographic.html`) |
| `footer` | string | No | Footer text |
### Color Palettes
Available values: `auto` (automatically chosen based on data), `ocean`, `sunset`, `forest`, `berry`, `vibrant`, `corporate`, `pastel`, `earth`
### Data Format by Type
#### 1. stats — Stat Cards
```json
{
"type": "stats",
"data": [
{
"label": "Total Revenue",
"value": "$1.2M",
"icon": "money",
"trend": "+12.5%",
"trend_dir": "up"
},
{
"label": "Users",
"value": "45,230",
"icon": "users",
"trend": "+8.2%",
"trend_dir": "up"
}
]
}
```
**icon** options: `users`, `user`, `money`, `percent`, `globe`, `clock`, `check`, `star`, `target`, `zap`, `chart-bar`, `chart-pie`, `database`, `rocket`, `shield`, `heart`, `light`, `search`, `mail`, `settings`, `flag`, `trending-up`, `trending-down`
**trend_dir**: `up` (green upward arrow) or `down` (red downward arrow)
#### 2. comparison — Bar Chart Comparison
```json
{
"type": "comparison",
"data": {
"chart_title": "Quarterly Revenue Comparison",
"categories": ["Q1", "Q2", "Q3", "Q4"],
"series": [
{"name": "2024", "values": [320, 410, 380, 520]},
{"name": "2025", "values": [380, 490, 450, 610]}
]
}
}
```
#### 3. flow — Flow Diagram
```json
{
"type": "flow",
"data": [
{"step": 1, "title": "Requirements", "description": "Gather user needs", "icon": "search"},
{"step": 2, "title": "Design", "description": "Create technical plan", "icon": "light"},
{"step": 3, "title": "Development", "description": "Code and test", "icon": "settings"},
{"step": 4, "title": "Launch", "description": "Deploy to production", "icon": "rocket"}
]
}
```
#### 4. dashboard — Mixed Dashboard
```json
{
"type": "dashboard",
"data": {
"stats": [
{"label": "DAU", "value": "12.3K", "icon": "users", "trend": "+5%", "trend_dir": "up"},
{"label": "Conversion Rate", "value": "3.8%", "icon": "target", "trend": "-0.2%", "trend_dir": "down"}
],
"chart": {
"chart_title": "Monthly Trend",
"categories": ["Jan", "Feb", "Mar", "Apr"],
"series": [{"name": "DAU", "values": [10200, 11500, 11800, 12300]}]
},
"breakdown": [
{"label": "iOS", "value": 45},
{"label": "Android", "value": 38},
{"label": "Web", "value": 17}
],
"flow": [
{"step": 1, "title": "Sign Up", "description": ""},
{"step": 2, "title": "Activate", "description": ""},
{"step": 3, "title": "Retain", "description": ""}
]
}
}
```
## Output Format
The script outputs a JSON result to stdout:
```json
{
"status": "success",
"output": "/absolute/path/to/infographic.html",
"type": "stats",
"title": "My Infographic",
"palette": "auto",
"size_bytes": 8432
}
```
On error:
```json
{
"status": "error",
"errors": ["Missing required field: data"]
}
```
## Design Highlights
- **Zero external dependencies**: Pure Python standard library, no pip install needed
- **Self-contained output**: HTML with all CSS and SVG inline, no network required
- **Responsive layout**: Works on both desktop and mobile browsers
- **Professional palettes**: 8 preset color schemes + automatic selection
- **24+ built-in icons**: Common SVG icons, no font files needed
- **CJK-friendly**: Font stack includes Noto Sans SC, PingFang SC, Microsoft YaHei
## Use Cases
- Visualization modules in data reports
- Product data dashboards
- Business process illustrations
- Quarterly/monthly data comparisons
- Team KPI displays
## Dependencies
- Python 3.7+ (standard library only)
© zebbern · MIT · zebbern/claude-code-guide