详细内容或原文请订阅后点击阅览
超越提示：在数据科学中使用代理技能
我如何将八年来每周可视化的习惯转变为可重用的人工智能工作流程超越提示：在数据科学中使用代理技能的帖子首先出现在走向数据科学上。
来源:走向数据科学在上一篇文章中，我分享了如何使用 MCP 将 LLM 集成到完整的数据科学工作流程中。我还简单地提到了另一个。
技能是可重复使用的说明包和可选支持文件。它帮助人工智能更可靠、一致地处理重复的工作流程。它至少需要一个 SKILL.md 文件，其中包含元数据（名称和描述）以及该技能如何发挥作用的详细说明。人们经常将其与脚本、模板和示例捆绑在一起，以实现标准化和准确性。
此时，您可能想知道为什么我们使用技能而不是直接将整个内容直接写入 Claude Code 或 Codex 上下文中。一个优点是技能有助于缩短主要上下文。人工智能首先只需要加载轻量级元数据——当它确定技能相关时，它可以读取剩余的指令和捆绑的资源。您可以在 Skills.sh 上找到大量公开的技能集合。
让我通过一个简单的例子使这个想法更加具体。
我的例子 — 每周可视化技能
上下文
自 2018 年以来，我每周都会进行一次可视化 — 如果你好奇，我在这篇文章中写了我的旅程。这个过程是高度重复的，通常每周需要我大约一个小时。因此，我发现它是具有技能的自动化的绝佳候选者。
没有人工智能的工作流程
这是我每周的例行公事：
人工智能工作流程
虽然数据集搜索步骤仍然是手动的，但我创建了两项技能来自动执行步骤 2 和 3：