Token导航 LogoToken导航

Agent Skill · 研究检索

data-research(数据研究)

用于辅助数据整理、表格处理、CSV/Excel 分析、指标计算和图表准备。它适合让 Agent 清洗字段、汇总数据、发现异常、生成统计口径或把分析结果转成可读说明。使用时需要确认数据来源、字段含义和时间范围,避免把样本数据当全量事实;涉及敏感数据、导出文件或批量写回时,应先确认权限和脱敏边界。

data-research 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为权限未标注;许可证为 MIT-0,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 26,800。

总安装 3,501周安装 143GitHub Stars 公开资料未说明下载 1,133核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:data-research(数据研究)
来源仓库:https://github.com/mingginwan/data-research
安装命令:
openclaw skills install data-research
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install data-research

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

在开始任何分析报告前使用。通过结构化对话理清研究目标、范围、受众和关键问题,形成研究大纲。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install data-research;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

data-research 怎么安装?

在终端执行 openclaw skills install data-research。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

data-research 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

data-research 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

data-research 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

data-research 用的人多吗?

公开数据是累计安装 3,501 次,近一周安装 143 次,下载 1,133 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

data-research 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
data-research

数据研究 · 本页

3,501—权限未标注MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
data-research
description
在开始任何分析报告前使用。通过结构化对话理清研究目标、范围、受众和关键问题,形成研究大纲。

结构化研究启动

通过自然对话,将模糊的分析需求转化为清晰的研究大纲。

先理解背景和目的,再逐步确认范围、受众、关键问题,最终输出研究大纲供确认。

<HARD-GATE> 在研究大纲获得用户确认前,不要开始写报告、做分析、或产出任何结论。无论需求看起来多简单,都必须先过这个流程。 </HARD-GATE>

反模式:"这个分析很简单不需要规划"

每个分析项目都走这个流程。一个简单的对比分析、一个数据汇总、一个趋势判断——都需要。"简单"的任务恰恰最容易因为未审视的假设而浪费时间。大纲可以很短(简单任务几句话即可),但必须呈现并获得确认。

检查清单

按顺序完成以下步骤:

  1. 了解背景 — 检查相关文件、数据源、已有资料
  2. 澄清问题 — 逐个提问,理解目的、约束、成功标准
  3. 确认受众 — 报告给谁看?他们的知识水平和关注点是什么?
  4. 提出 2-3 种研究路径 — 带权衡分析和推荐
  5. 呈现研究大纲 — 按模块逐步确认
  6. 保存研究大纲 — 写入文件并确认
  7. 大纲自查 — 检查占位符、矛盾、模糊点、范围
  8. 用户审阅大纲 — 等待用户确认后才继续
  9. 进入下一步 — 调用 report-outline skill 制定报告结构

流程

了解背景 → 逐个提问澄清 → 确认受众 → 提出研究路径
→ 呈现大纲 → 用户确认? → (否:修改) / (是:保存)
→ 大纲自查 → 用户审阅 → 调用 report-outline

详细步骤

理解需求:

  • 先查看用户提供的相关资料(文件、链接、数据)
  • 评估范围:如果需求涉及多个独立主题(如"分析市场、竞品、技术趋势和财务状况"),先标记需要拆分,不要在细节上花时间
  • 如果项目太大,帮助用户拆分为子课题:有哪些独立部分?它们之间什么关系?先从哪个开始?每个子课题走独立的 研究 → 大纲 → 撰写 循环
  • 对于范围合适的项目,逐个提问深入理解
  • 尽量用选择题,开放题也可以
  • 每条消息只问一个问题
  • 聚焦于:目的、约束、成功标准、受众

探索路径:

  • 提出 2-3 种不同的研究路径,带权衡分析
  • 用对话方式呈现,给出推荐及理由
  • 先说推荐方案,再解释为什么

呈现研究大纲:

  • 一旦你认为理解了需求,呈现研究大纲
  • 每个模块根据复杂度调整篇幅:简单的几句话,复杂的 200-300 字
  • 每个模块确认后再继续
  • 覆盖:研究问题、数据来源、分析方法、预期产出
  • 随时可以回头澄清

大纲之后

保存文档:

  • 将确认的研究大纲保存到合适的位置
  • 文件名格式:YYYY-MM-DD-<主题>-研究大纲.md

大纲自查:

  1. 占位符扫描: 有没有"待定"、"TODO"、未完成的部分?修掉。
  2. 内部一致性: 各部分有没有矛盾?分析方法和研究问题匹配吗?
  3. 范围检查: 这个范围适合一份报告吗?还是需要拆分?
  4. 模糊检查: 有没有可以被两种方式理解的需求?如果有,选一种并明确。

发现问题直接修改,不需要重新审阅。

用户审阅:

"研究大纲已保存到 <路径>。请审阅,有修改意见告诉我,确认后我们开始制定报告结构。"

等待用户回复。有修改则修改后重新自查。确认后才继续。

下一步:

  • 调用 report-outline skill 制定报告结构
  • 不要调用其他 skill

核心原则

  • 每次只问一个问题 — 不要连珠炮
  • 选择题优先 — 比开放题更容易回答
  • YAGNI — 砍掉不必要的分析范围
  • 探索多条路径 — 先提 2-3 种方案再定
  • 逐步确认 — 呈现大纲,确认后才继续
  • 保持灵活 — 发现不清楚的随时回头澄清

平台分布

OpenClaw

78.15%
按下载量换算885

安全审计

VirusTotal

未展示

ClawScan

通过

Static analysis

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills