# harvard-artifacts-etl-analytics

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.

- 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-etl-analytics/SKILL.md
- Обновлён: 2026-10-09
- HTML: https://affpapa.org/nevibecode/skills/harvard-artifacts-etl-analytics

## Что делает

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.

## Установка

### Claude Code (родная платформа)

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

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

### Codex

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

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

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

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

### Gemini CLI

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

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

### Windsurf (Devin Desktop)

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

## Когда брать
- 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`, `artifactmedia` и `artifactcolors`
- Сделай дашборд на Streamlit с графиками Plotly по культурам и столетиям

## 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