Token导航 LogoToken导航TokenDH.com
AI 工具只读github未标认证来源可访问clear审计通过

gioia-analysis吉奥分析

Agent Skill

gioia-analysis 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

250

周安装

10

GitHub Stars

8

下载量

81
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

3

许可证

MIT

最后核验

2026-05-01

来源状态

来源可访问

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:gioia-analysis(吉奥分析)
来源仓库:https://github.com/carlheath/ogmios
仓库路径:skills/gioia-analysis
安装命令:
npx skills add https://github.com/carlheath/ogmios --skill gioia-analysis
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。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/carlheath/ogmios --skill gioia-analysis

简介

gioia-analysis 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,辅助整理项目状态与变更。

  • 适用于需要围绕仓库状态或协作事项进行整理的场景。
  • 通过 npx skills add 命令从 GitHub 仓库安装,需确认权限与维护状态。
  • 使用前建议核实是否会触发联网、命令执行或文件读写操作。
  • 可结合原始 README 进一步验证具体用法和功能边界。

SKILL.md

Transkript att analysera: $ARGUMENTS

Gioia Intervjuanalys

Roll: Kvalitativ forskningsanalytiker Metod: Gioia-metodiken för induktiv konceptutveckling Output: Standardiserad analysdokumentation med indexerade citat

Aktiveras vid

  • Analys av intervjutranskript
  • Kvalitativ kodning/tematisering
  • Gioia-metodik
  • Induktiv teoriutveckling
  • Systematisk citatextraktion

Grundprinciper (från Gioia et al., 2013)

Epistemologiska antaganden

  1. Social konstruktion: Organisatorisk verklighet är socialt konstruerad
  2. Kunskapsbärande agenter: Informanter vet vad de gör och kan förklara det
  3. Dubbel adequacy: Analys ska vara adekvat både på informantens nivå OCH teoretisk nivå

Analysens tre nivåer

┌─────────────────────────────────────────────────────────────────────┐
│  1ST-ORDER KONCEPT          │  Informantens egna termer och uttryck │
│  (Informant-centriska)      │  "Direkt från transkriptet"           │
├─────────────────────────────┼───────────────────────────────────────┤
│  2ND-ORDER TEMAN            │  Forskarens teoretiska tolkning       │
│  (Forskar-centriska)        │  "Vad betyder detta konceptuellt?"    │
├─────────────────────────────┼───────────────────────────────────────┤
│  AGGREGERADE DIMENSIONER    │  Övergripande teoretiska kategorier   │
│  (Teoretiska)               │  "Vilken större helhet tillhör detta?"│
└─────────────────────────────┴───────────────────────────────────────┘

Output-kapacitet (Opus 4.6)

Med 128k output-tokens kan hela analysen (parsning + kodning + syntes + dokumentation) produceras i EN response. Fragmentera inte i separata steg om inte transkriptet är extremt långt (>50 sidor). Leverera komplett analys med datastruktur, citatregister och tematisk syntes i ett enda svar.

Analysprocess

Steg 1: Transkriptparsning

Identifiera fråga-svar-segment oavsett format:

  • Q:/A: eller I:/R: format
  • Intervjuare/Informant med namn
  • Tidsstämplar med talarbyten
  • Numrerade frågor
  • Tematiska block (vid fri dialog)

Steg 2: Segment-för-segment-kodning

För varje segment:

  1. Sammanfatta svaret (behåll nyanser)
  2. Extrahera nyckelcitat med:

- Unikt ID (C01, C02, etc.) - Exakt ordval bevarad - Tillräcklig kontext

  1. 1st-order kodning: Använd informantens språk
  2. Preliminär 2nd-order tolkning: Teoretisk reflektion

Steg 3: Tematisk syntes

  • Gruppera 1st-order koder till 2nd-order teman
  • Identifiera aggregerade dimensioner
  • Bygg datastruktur

Steg 4: Dokumentation

Generera standardiserad output med:

  • Komplett segment-analys
  • Datastruktur (visuell)
  • Citatregister (indexerat)
  • Export-ready citat

Citathantering

Citatformat

> "Exakt citat från informanten med tillräcklig kontext för att
> förstå innebörden."
>
> — **[C01]** | Segment 3 | Tema: X, Y | Rad 45-47

Citatregister-struktur

Varje citat indexeras med:

  • ID: Unikt referensnummer (C01, C02...)
  • Segment: Var i intervjun
  • 1st-order kod: Informantterm
  • 2nd-order tema: Forskarkonceptualisering
  • Dimension: Aggregerad kategori
  • Källposition: Rad/tidsstämpel i original

Output

Filplacering

<YOUR_OUTPUT_DIRECTORY>/

Namnkonvention

YYYY-MM-DD_gioia_[intervju-id].md

Exempel:

  • 2026-01-05_gioia_INT01.md
  • 2026-01-05_gioia_mellanchef-org-a.md

Metadata-huvud (YAML frontmatter)

---
type: gioia-analysis
source: [originalfilnamn]
informant: [id/pseudonym]
date_analyzed: YYYY-MM-DD
project: [projektnamn]
status: draft
tags: [gioia, intervjuanalys, kvalitativ]
quote_count: [antal citat]
dimensions: [lista på aggregerade dimensioner]
---

Kvalitetskriterier

Från Gioia et al. (2013)

  • 1st-order termer bevarar informantens språk
  • 2nd-order teman är teoretiskt meningsfulla
  • Tydlig koppling data → koncept → teori
  • Citat stödjer tolkningar transparent
  • Datastruktur visualiserar analysens logik

Citatspecifikt

  • Varje citat har unikt ID
  • Kontext bevarad (fråga som föranledde svaret)
  • Tillräckligt långa för att stå självständigt
  • Taggade för sökning/återanvändning

Workflow

Se: workflows/analyze-transcript.md

Mallar

Se: templates/analysis-output.md

Referens

Se: reference/transcript-formats.md för olika transkriptformat


🎯 COMPLETED: [SKILL:gioia-analysis] [interview transcript analyzed] 🗣️ CUSTOM COMPLETED: [SKILL:gioia-analysis] [Analysis complete]

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

04

需要参考平台分布和安装热度时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Claude Code

25.97%
按下载量换算21

Antigravity

23.01%
按下载量换算19

windsurf

20.08%
按下载量换算16

Codex

12.48%
按下载量换算10

OpenCode

8.34%
按下载量换算7

Gemini CLI

3.24%
按下载量换算3

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

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。

来源信息

继续浏览同类 Skills