harvard-artifacts-collection-analytics-pipeline — скилл
Скилл собирает пайплайн от Harvard Art Museums API до дашборда: ETL, SQL-хранилище и визуализация на Streamlit.
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a claude-codeЧто делает harvard-artifacts-collection-analytics-pipeline
Скилл ведёт проект по цепочке API → ETL → SQL → аналитика → визуализация. На входе — ключ Harvard Art Museums API, дальше агент пишет код извлечения объектов, преобразует JSON в таблицы метаданных, медиа и цветов и складывает их в MySQL или TiDB Cloud. Схема из трёх таблиц: artifactmetadata, artifactmedia, artifactcolors, связанные по artifact_id.
Внутри — готовые заготовки на Python: requests с паузой между страницами, чтобы не упереться в лимиты API, pandas для преобразования, mysql-connector-python для подключения, plotly и streamlit для дашборда. Запросы к API идут постранично, только объекты с изображениями.
Перед запуском нужен файл .env с HARVARD_API_KEY и параметрами базы: DB_HOST, DB_PORT, DB_USER, DB_PASSWORD, DB_NAME. Без рабочего подключения к MySQL или TiDB Cloud пайплайн останавливается на этапе загрузки — таблицы просто некуда писать. Зависимости ставятся из requirements.txt.
Какие задачи решает
- выкачать метаданные объектов из Harvard Art Museums API постранично
- разложить вложенный JSON на таблицы метаданных, медиа и цветов
- залить преобразованные данные в MySQL или TiDB Cloud
- написать аналитические SQL-запросы по коллекции
- собрать интерактивный дашборд на Streamlit с графиками Plotly
Примеры запросов агенту
- собери ETL-пайплайн для Harvard Art Museums API: извлечение, преобразование и загрузка в MySQL
- добавь SQL-запросы для анализа коллекции по культуре и технике
- сделай дашборд на Streamlit с визуализацией цветов и отделов коллекции
Как установить harvard-artifacts-collection-analytics-pipeline
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a claude-code2Вручную: положить файлы
~/.claude/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/harvard-artifacts-collection-analytics-pipeline/
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a codex2Вручную: положить файлы
.agents/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a cursor2Вручную: положить файлы
.cursor/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install reason-machines/data-skills harvard-artifacts-collection-analytics-pipeline2Вручную: положить файлы
.github/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a gemini-cli2Командой платформы
gemini skills install https://github.com/reason-machines/data-skills --path skills/harvard-artifacts-collection-analytics-pipelineВручную: положить файлы
.devin/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-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-artifacts-collection-analytics-pipeline
Как установить harvard-artifacts-collection-analytics-pipeline в Claude?
Выполните npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a claude-code. Скилл появится по пути ~/.claude/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md.
Что делает этот скилл?
Проводит агента через весь цикл работы с данными Harvard Art Museums: извлечение объектов из API, преобразование JSON в таблицы, загрузка в SQL-базу и построение дашборда на Streamlit.
Что нужно подготовить до запуска?
Ключ HARVARD_API_KEY и доступ к базе MySQL или TiDB Cloud — хост, порт, пользователь, пароль и имя базы в .env. Зависимости ставятся из requirements.txt.