# harvard-artifacts-collection-analytics-pipeline

Скилл собирает пайплайн от Harvard Art Museums API до дашборда: ETL, SQL-хранилище и визуализация на Streamlit.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 1900 установок · ★ 5
- Автор: reason-machines
- Лицензия: LicenseRef-Unknown · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/reason-machines/data-skills/tree/HEAD/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md
- Обновлён: 2026-10-09
- HTML: https://affpapa.org/nevibecode/skills/harvard-artifacts-collection-analytics-pipeline

## Что делает

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`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/harvard-artifacts-collection-analytics-pipeline/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install reason-machines/data-skills harvard-artifacts-collection-analytics-pipeline
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/reason-machines/data-skills --path skills/harvard-artifacts-collection-analytics-pipeline
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add reason-machines/data-skills --skill harvard-artifacts-collection-analytics-pipeline -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/reason-machines/data-skills/tree/HEAD/skills/harvard-artifacts-collection-analytics-pipeline/SKILL.md

## Когда брать
- 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

## Похожие
- [polars](https://affpapa.org/nevibecode/skills/polars.md) — скилл · 2000 установок
- [data-pipeline](https://affpapa.org/nevibecode/skills/data-pipeline.md) — скилл · 4900 установок
- [ETL Pipeline](https://affpapa.org/nevibecode/skills/etl-pipeline.md) — скилл · 4800 установок
- [sql-pro](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-sql-pro.md) — скилл · 6400 установок
- [database-optimizer](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-database-optimizer.md) — скилл · 6000 установок
- [mysql-patterns](https://affpapa.org/nevibecode/skills/mysql-patterns.md) — скилл · 4700 установок

Из того же набора: [reason-machines/data-skills](https://affpapa.org/nevibecode/by/reason-machines/data-skills.md) — 22 карточки

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md