harvard-art-museums-data-engineering-pipeline — скилл для Claude Code
Скилл для сборки ETL-пайплайна на данных Harvard Art Museums API: нормализация JSON в SQL, аналитические запросы и дашборд на Streamlit.
npx skills add reason-machines/data-skills --skill harvard-art-museums-data-engineering-pipeline -a claude-codeЧто делает harvard-art-museums-data-engineering-pipeline
Скилл описывает полный путь от запроса к Harvard Art Museums API до интерактивного дашборда. Сначала данные забираются постранично с ограничением частоты запросов, затем вложенный JSON раскладывается по нормализованным таблицам: метаданные объекта, изображения и цвета идут в отдельные таблицы со связью по objectid. Схема создаётся автоматически во время загрузки.
Внутри — примеры кода на Python: requests для выгрузки, pandas для преобразований, mysql-connector-python для записи в базу, plotly и streamlit для визуализации. Аналитическая часть опирается на набор готовых SQL-запросов к собранным таблицам.
Перед запуском понадобится ключ Harvard Art Museums API и доступ к базе MySQL или TiDB Cloud. Параметры подключения и ключ хранятся в .env: HARVARD_API_KEY, DB_HOST, DB_PORT, DB_USER, DB_PASSWORD, DB_NAME. Без заполненного .env ни выгрузка, ни запись в базу не пройдут. Дашборд поднимается командой streamlit run app.py и слушает http://localhost:8501.
Какие задачи решает
- выгрузить объекты из Harvard Art Museums API постранично
- разложить вложенный JSON по нормализованным SQL-таблицам
- спроектировать схему с внешними ключами для коллекции
- написать аналитические SQL-запросы по собранным данным
- собрать дашборд на Streamlit с графиками Plotly
Примеры запросов агенту
- Собери ETL-пайплайн: выгрузи объекты из Harvard Art Museums API и загрузи их в MySQL
- Сделай нормализованную схему для метаданных, изображений и цветов объектов
- Собери дашборд на Streamlit с графиками Plotly по данным коллекции
Как установить harvard-art-museums-data-engineering-pipeline
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-art-museums-data-engineering-pipeline -a claude-code2Вручную: положить файлы
~/.claude/skills/harvard-art-museums-data-engineering-pipeline/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/harvard-art-museums-data-engineering-pipeline/
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-art-museums-data-engineering-pipeline -a codex2Вручную: положить файлы
.agents/skills/harvard-art-museums-data-engineering-pipeline/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-art-museums-data-engineering-pipeline -a cursor2Вручную: положить файлы
.cursor/skills/harvard-art-museums-data-engineering-pipeline/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install reason-machines/data-skills harvard-art-museums-data-engineering-pipeline2Вручную: положить файлы
.github/skills/harvard-art-museums-data-engineering-pipeline/SKILL.md1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-art-museums-data-engineering-pipeline -a gemini-cli2Командой платформы
gemini skills install https://github.com/reason-machines/data-skills --path skills/harvard-art-museums-data-engineering-pipelineВручную: положить файлы
.devin/skills/harvard-art-museums-data-engineering-pipeline/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-art-museums-data-engineering-pipeline -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 harvard-art-museums-data-engineering-pipeline
Как установить harvard-art-museums-data-engineering-pipeline в Claude Code?
Выполните npx skills add reason-machines/data-skills --skill harvard-art-museums-data-engineering-pipeline -a claude-code. Скилл появится по пути ~/.claude/skills/harvard-art-museums-data-engineering-pipeline/SKILL.md.
Что делает этот скилл?
Проводит через сборку пайплайна: выгрузка из Harvard Art Museums API, преобразование JSON в нормализованные таблицы, загрузка в SQL и дашборд на Streamlit с графиками Plotly.
Что нужно подготовить до запуска?
Ключ Harvard Art Museums API и доступ к базе MySQL или TiDB Cloud. Ключ и параметры подключения прописываются в .env.
