harvard-artifacts-etl-analytics — скилл для Claude Code
Скилл ведёт агента через сборку ETL-пайплайна и аналитического дашборда на данных Harvard Art Museums API. Пригодится, когда нужен готовый маршрут от запроса к API до графиков в Streamlit.
npx skills add reason-machines/data-skills --skill harvard-artifacts-etl-analytics -a claude-codeЧто делает harvard-artifacts-etl-analytics
Скилл описывает полный путь данных: выгрузка объектов из Harvard Art Museums API с постраничным обходом, разбор вложенного JSON в три нормализованные таблицы, загрузка в MySQL или TiDB Cloud и аналитика поверх них. Внутри — примеры кода на Python: requests для запросов, pandas для преобразований, mysql-connector-python для записи. Схема БД задана заранее: artifactmetadata, artifactmedia и artifactcolors связаны внешним ключом по artifact_id.
Для запуска нужен ключ HARVARD_API_KEY и доступ к базе — хост, порт, пользователь, пароль и имя базы прописываются в .env. Без ключа API запросы к https://api.harvardartmuseums.org/object не пройдут, поэтому регистрация на сайте музея — первый шаг, а не последний. Дашборд поднимается командой streamlit run app.py и открывается на http://localhost:8501.
Внутри скилла больше двадцати готовых аналитических SQL-запросов и графики Plotly — по культуре, столетию, классификации. Агент опирается на эти шаблоны, когда вы просите посчитать метрики по коллекции.
Какие задачи решает
- выгрузить объекты из Harvard Art Museums API с постраничным обходом
- разложить вложенный JSON на таблицы метаданных, изображений и цветов
- залить нормализованные данные в MySQL или TiDB Cloud
- посчитать метрики коллекции готовыми SQL-запросами
- собрать интерактивный дашборд на Streamlit с графиками Plotly
Примеры запросов агенту
- Собери ETL-пайплайн для данных Harvard Art Museums API с выгрузкой по страницам
- Разложи ответ API на таблицы
artifactmetadata,artifactmediaиartifactcolors - Сделай дашборд на Streamlit с графиками Plotly по культурам и столетиям
Как установить harvard-artifacts-etl-analytics
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-etl-analytics -a claude-code2Вручную: положить файлы
~/.claude/skills/harvard-artifacts-etl-analytics/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/harvard-artifacts-etl-analytics/
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-etl-analytics -a codex2Вручную: положить файлы
.agents/skills/harvard-artifacts-etl-analytics/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-etl-analytics -a cursor2Вручную: положить файлы
.cursor/skills/harvard-artifacts-etl-analytics/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install reason-machines/data-skills harvard-artifacts-etl-analytics2Вручную: положить файлы
.github/skills/harvard-artifacts-etl-analytics/SKILL.md1Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-etl-analytics -a gemini-cli2Командой платформы
gemini skills install https://github.com/reason-machines/data-skills --path skills/harvard-artifacts-etl-analyticsВручную: положить файлы
.devin/skills/harvard-artifacts-etl-analytics/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add reason-machines/data-skills --skill harvard-artifacts-etl-analytics -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-etl-analytics
Как установить harvard-artifacts-etl-analytics в Claude Code?
Выполните npx skills add reason-machines/data-skills --skill harvard-artifacts-etl-analytics -a claude-code. Файл скилла окажется по пути ~/.claude/skills/harvard-artifacts-etl-analytics/SKILL.md.
Что делает harvard-artifacts-etl-analytics?
Помогает агенту построить ETL-пайплайн и аналитическое приложение на данных Harvard Art Museums API: выгрузка, преобразование JSON, загрузка в базу и визуализация в Streamlit.
Что нужно подготовить до запуска?
Ключ HARVARD_API_KEY и параметры подключения к базе в .env: DB_HOST, DB_PORT, DB_USER, DB_PASSWORD, DB_NAME. Схему таблиц создают SQL-скриптом из скилла.
