# harvard-artifacts-collection-etl-analytics

Скилл для сборки ETL-пайплайна и аналитического дашборда на данных Harvard Art Museums API: Python, SQL и 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-etl-analytics/SKILL.md
- Обновлён: 2026-10-09
- HTML: https://affpapa.org/nevibecode/skills/harvard-artifacts-collection-etl-analytics

## Что делает

Скилл ведёт агента по всей цепочке: API → ETL → SQL → аналитика → визуализация. Источник данных — Harvard Art Museums API, извлечение на Python через `requests` и `pandas`, база на MySQL или TiDB Cloud, дашборд на Streamlit с Plotly. Внутри — готовые функции для постраничной выгрузки артефактов с ограничением частоты запросов, разбор вложенного JSON на три таблицы (метаданные, изображения, цвета) и создание схемы в базе.

Заранее понадобится ключ Harvard Art Museums API и доступ к базе: `HARVARD_API_KEY`, `DB_HOST`, `DB_USER`, `DB_PASSWORD`, `DB_NAME`. Без ключа выгрузка не стартует, потому что первый же запрос к API вернёт ошибку. Зависимости ставятся из `requirements.txt`.

В описании заявлено больше 20 аналитических запросов с автогенерацией графиков, но полный список в тексте обрезан — рассчитывать на конкретный набор запросов пока не стоит. Скилл работает в Claude, Codex, Cursor, GitHub Copilot, Gemini CLI и OpenCode.

## Установка

### Claude Code (родная платформа)

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

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

### Codex

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

2. **Вручную: положить файлы**
- Файл: `.agents/skills/harvard-artifacts-collection-etl-analytics/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-etl-analytics -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/harvard-artifacts-collection-etl-analytics/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-etl-analytics
```

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

### Gemini CLI

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

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

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/harvard-artifacts-collection-etl-analytics/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-etl-analytics -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-etl-analytics/SKILL.md

## Когда брать
- выгрузить артефакты из Harvard Art Museums API постранично
- разложить вложенный JSON на таблицы метаданных, изображений и цветов
- создать схему базы и залить в неё данные
- написать SQL-запросы для аналитики по коллекции
- собрать интерактивный дашборд на Streamlit с графиками Plotly

## Примеры запросов агенту
- собери ETL-пайплайн для данных Harvard Art Museums API
- разложи артефакты на таблицы метаданных, изображений и цветов
- сделай дашборд на Streamlit с аналитикой по коллекции

## Похожие
- [etl-connector-strategy](https://affpapa.org/nevibecode/skills/etl-connector-strategy.md) — скилл · 8000 установок
- [ETL Pipeline](https://affpapa.org/nevibecode/skills/etl-pipeline.md) — скилл · 4800 установок
- [pyspark-etl-best-practices-cursorrules-prompt-file](https://affpapa.org/nevibecode/rules/pyspark-etl-best-practices-cursorrules-prompt-file.md) — правило · ★ 41011
- [mysql](https://affpapa.org/nevibecode/skills/sanjay3290-mysql.md) — скилл · 420 установок
- [business-analytics-reporter](https://affpapa.org/nevibecode/skills/business-analytics-reporter.md) — скилл · 2200 установок
- [sql-pro](https://affpapa.org/nevibecode/skills/httpsgithubcomjeffallan-sql-pro.md) — скилл · 6400 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