# harvard-artifacts-data-engineering-pipeline

Строит ETL-конвейер для данных Harvard Art Museums: забирает артефакты через API, раскладывает по SQL-таблицам и выводит на дашборд Streamlit.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 2000 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-data-engineering-pipeline/SKILL.md
- Обновлён: 2026-10-09
- HTML: https://affpapa.org/nevibecode/skills/harvard-artifacts-data-engineering-pipeline

## Что делает

Скилл собирает артефакты музея через Harvard Art Museums API с постраничной выгрузкой и ограничением частоты запросов, затем разбирает вложенный JSON на три таблицы: метаданные предмета, медиафайлы и цветовую палитру. Для хранения нужна база MySQL или TiDB Cloud со схемой из трёх связанных таблиц — `artifactmetadata`, `artifactmedia`, `artifactcolors`.

Для работы понадобится API-ключ Harvard Art Museums и файл `.env` с параметрами подключения к базе. Python-часть собрана из requests для запросов к API, pandas для трансформации в датафреймы и mysql-connector-python для загрузки строк в таблицы.

Поверх загруженных данных скилл выполняет более 20 готовых аналитических SQL-запросов и строит интерактивные графики Plotly внутри приложения Streamlit. Без ключа API и настроенной базы конвейер не запустится — это первое, что нужно подготовить.

## Установка

### Claude Code (родная платформа)

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

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

### Codex

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

2. **Вручную: положить файлы**
- Файл: `.agents/skills/harvard-artifacts-data-engineering-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-data-engineering-pipeline -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/harvard-artifacts-data-engineering-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-data-engineering-pipeline
```

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

### Gemini CLI

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

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

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/harvard-artifacts-data-engineering-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-data-engineering-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-data-engineering-pipeline/SKILL.md

## Когда брать
- настроить ETL для данных Harvard Art Museums API
- разложить вложенный JSON артефактов на нормализованные SQL-таблицы
- загрузить коллекцию музея в MySQL или TiDB Cloud
- построить дашборд Streamlit с графиками Plotly по артефактам
- написать аналитические SQL-запросы по культуре, периоду и технике предметов

## Примеры запросов агенту
- Помоги собрать ETL-пайплайн для Harvard Art Museums API с загрузкой в MySQL
- Разбери JSON артефактов на таблицы metadata, media и colors
- Построй дашборд Streamlit с графиками по коллекции Harvard Art Museums

## Похожие
- [xlsx](https://affpapa.org/nevibecode/skills/xlsx.md) — скилл · 187223 установки
- [google-agents-cli-observability](https://affpapa.org/nevibecode/skills/google-agents-cli-observability.md) — скилл · 511300 установок
- [caveman-evidence-review](https://affpapa.org/nevibecode/skills/caveman-evidence-review.md) — скилл · 104500 установок
- [migration](https://affpapa.org/nevibecode/skills/migration.md) — скилл · 103900 установок
- [performance-optimization](https://affpapa.org/nevibecode/skills/performance-optimization.md) — скилл · 65200 установок
- [supabase](https://affpapa.org/nevibecode/skills/supabase.md) — скилл · 8 установок

Из того же набора: [reason-machines/data-skills](https://affpapa.org/nevibecode/by/reason-machines/data-skills.md) — 62 карточки

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