OpenAI 发布的 DataAgent 泄漏了 15+数据分析 skill

OpenAI 的 Data Analytics 页面列出了 15 项 skill ，点开还能看到职责、关联技能和工作流。我把这些内容整理 skill 格式放到 github 了：

https://github.com/ibillxia/OpenAI-Data-Analytics

部分 md 文件官方页面有提到，但没有泄漏具体内容，我让 codex 补全了下，见分支 codex/fill-empty-markdown ，欢迎 star/fork

通读 15 份 SKILL.md 后，最值得看的是这 6 点：

① 先分流，再干活。Index 负责判断问题：查指标变化、设计 KPI 、检查数据，各走不同流程，没必要每次调用全部技能。

② 业务口径可以沉淀成 skill 。指标定义、数据粒度、关联规则和注意事项都有地方保存；普通问数也不必先建永久语义层。

③ 数据检查≠结论检查。Analyze Data Quality 查重复、缺失、时效； Validate Data 再查分母、比较周期、方法和因果措辞。

④ 先证明变化，再解释原因。诊断要复现幅度、时间和范围，再拆分贡献；还得排查埋点变化、数据未齐和人群结构变化。

⑤ 连“怎么画图”都有约束。趋势图通常争取 8–12 个时间点，数据太少就换表达方式；图好看，也要能支撑结论。

⑥ 交付要可复算、可审阅。Notebook 要求顺序执行，摘要来自已执行结果；报告要交代证据和限制。发布到 Sites 的是快照，不能当实时数据连接。

MaskerPRC

9 月 14 日

前段时间刚好在折腾类似的东西，拿 agent 做了一轮线下门店的经营数据分析，最深的感觉就是 skill 写得细不细差别巨大——同样一句"帮我看看这个月的营业额变化"，没有工作流约束的时候它就给你算个总数完事，把分析步骤拆清楚之后才会老老实实先对口径、再分渠道拆、最后给异常点。

所以官方这份泄漏出来的 skill 结构挺有参考价值的，特别是职责边界和关联技能那部分，等于告诉你一个成熟的分析 agent 该怎么拆任务。星一个，回头对着改改我自己的。