--- title: "数据与分析参考：claude data analysis - 数据与分析 | 思行致远" canonical: "https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/skill-library-data-analysis-claude-data-analysis/" dateModified: "2026-06-30" datePublished: "2026-06-30" --- 打开 AI·外脑目录 AI·外脑 [返回专栏首页](https://siyuanailab.com/knowledge/) × 站内搜索 ⌕ 主要栏目 - [AI 核心概念](https://siyuanailab.com/knowledge/ai-core/) - [工作流](https://siyuanailab.com/knowledge/workflows/) - [工具配置与选型](https://siyuanailab.com/knowledge/toolkits/) - [信源与标准](https://siyuanailab.com/knowledge/sources/) - [场景案例 待开发](https://siyuanailab.com/knowledge/scenarios/) - [职业与能力](https://siyuanailab.com/knowledge/career/) 专题 - [从这里开始](https://siyuanailab.com/knowledge/start/) - [获取与安装](https://siyuanailab.com/knowledge/install/) - [建设日志](https://siyuanailab.com/knowledge/ops/) [工作流子目录](https://siyuanailab.com/knowledge/workflows/) 基础设施层 - [浏览器自动化 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/browser-automation/) - [MCP 工具 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/mcp-tools/) - [文件系统与本地执行 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/filesystem-local/) - [API 网关与工具路由 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/) Skill 生产线 - [目标明确 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/goal-definition/) - [Skill 设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/skill-design/) - [代码实现 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/implementation/) - [测试评估 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/testing-evaluation/) Skill 参考库 - [写作与内容 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/writing-content/) - [研究与知识 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/) - [沟通与协作 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/communication-collaboration/) - [产品与项目 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/product-project/) - [数据与分析 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/) - [WF-061 数据与分析参考：claude data analysis](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/skill-library-data-analysis-claude-data-analysis/) - [WF-062 数据与分析参考：DbRheo CLI](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/skill-library-data-analysis-dbrheo-cli/) - [WF-063 数据与分析参考：langgraph text to sql agent](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/skill-library-data-analysis-langgraph-text-to-sql-agent/) - [WF-064 数据与分析参考：ReFoRCE](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/skill-library-data-analysis-reforce/) - [WF-065 数据与分析参考：text to sql agent](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/skill-library-data-analysis-text-to-sql-agent/) - [创意与设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/creative-design/) - [商业与营销 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/business-marketing/) Agent Building 只收录有多步工作流、工作标准、Loop、Harness、工具链或通信机制的真 Agent；不收纯 persona、profile、curated list 或只有 system prompt 的仓库。 - [多 Agent 框架 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) - [工作流编排 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/workflow-orchestration/) - [Sub-agent 模式 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/) - [Harness 与评估 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/) Skill 参考库 · 数据与分析 · Skill 解读 · WF-061 # 数据与分析参考：claude data analysis 思行致远 · 2026/6/30 · 置信度：中 数据分析Text-to-SQL报表可视化 一个 Claude Code 数据分析工作区模板，用 sub-agents、slash commands 和 hooks 管理数据探索、可视化、代码生成、报告和质量检查。 # claude data analysis > 一个 Claude Code 数据分析工作区模板，用 sub-agents、slash commands 和 hooks 管理数据探索、可视化、代码生成、报告和质量检查。 ## 这个能力解决什么问题 它解决的是数据分析任务在聊天里零散执行、代码和报告不沉淀的问题。用户把 CSV/JSON/Excel 等数据放到 `data_storage/`，通过 `/analyze`、`/visualize`、`/generate`、`/report`、`/quality`、`/hypothesis` 等命令触发不同子代理；输出是可视化、分析代码、报告和质量检查结果。 ## 核心逻辑 项目把数据分析生命周期拆成多个 Claude Code sub-agents：data-explorer 做统计和模式发现，visualization-specialist 画图，code-generator 生成 Python/R/SQL/JS 分析代码，report-writer 写报告，quality-assurance 做数据校验，hypothesis-generator 生成研究假设。hooks 用于数据上传校验和上下文加载。 ## 技术结构 - 关键模块：`.claude/agents`、`.claude/commands`、`.claude/hooks`、`data_storage/`、`visualizations/`、`generated_code/`、`analysis_reports/`。 - 调用链路：数据文件 -> slash command -> 对应 sub-agent -> 生成图表/代码/报告 -> 文件夹沉淀。 - 输入输出：输入是数据集和分析类型；输出是 EDA、图表、代码、报告、质量建议。 - 核心依赖：Claude Code sub-agents、Python 数据科学栈、可选 pandas/NumPy/scikit-learn/matplotlib/Plotly。 ## 为什么值得参考 它的价值在“分析工作台目录约定”：原始数据、可视化、生成代码和分析报告分开存放，命令也对应分析阶段。这比让模型在一个聊天窗口里临时算数更适合复现和交接。 ## 为什么不建议直接套用 README 中有一些明显愿景型指标和未完成 roadmap，当前更像模板而不是成熟平台。它没有真正定义数据权限、PII 脱敏、执行沙箱和大型数据处理策略。把数据放进工作区前需要确认敏感性，生成的统计结论也必须人工复核。 ## 如何改造成自己的版本 保留目录和命令体系，先实现 `/analyze`、`/visualize`、`/report` 三个闭环。为每个数据集增加 `README` 或 metadata，说明来源、字段、权限、更新时间。所有生成代码默认写到 `generated_code/`，运行前先让用户确认，不自动改原始数据。 ## 适用场景 - 小团队建立可复现数据分析工作区。 - CSV/Excel 探索、图表和报告生成。 - Claude Code subagent 模式学习。 ## 不适用场景 - 大规模数据仓库分析。 - 涉密数据无脱敏直接放进工作区。 - 需要严格统计验证的正式研究结论。 ## 参考信息 - 原项目：[claude-data-analysis](https://github.com/liangdabiao/claude-data-analysis) - 作者：liangdabiao - 相关概念：[[数据分析工作区]]、[[可复现分析]] - 相关卡片：保守留空 ## 参考对象信息 **名称：**claude-data-analysis **作者：**liangdabiao **链接：**[https://github.com/liangdabiao/claude-data-analysis](https://github.com/liangdabiao/claude-data-analysis) ## 适用场景与行动 **场景：**Skill 参考库 / 数据与分析 **适合谁：**关注 AI 工作流、Skill 生产和 Agent Building 的读者 **下一步：**先阅读边界说明，再判断它是否适合改造成自己的数据与分析流程。 当前内容按公开来源和已审核草稿整理，只作为工作流理解与方法论参考。 涉及客户数据、外部平台、会议记录和业务系统的场景，必须保留人工确认与授权边界。 [下一张：数据与分析参考：DbRheo CLI](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/skill-library-data-analysis-dbrheo-cli/) [返回当前分类](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/) [返回工作流专栏](https://siyuanailab.com/knowledge/workflows/)