exploratory-data-analysis skill 是什麼、怎麼安裝使用：K-Dense 的科研數據探索 Skill（本地、有邊界的 EDA）

本文根據 K-Dense-AI/scientific-agent-skills 倉庫裏該技能的 SKILL.md 與倉庫 README 整理，資料核對於 2026-10-11。所在倉庫 K-Dense-AI/scientific-agent-skills 在 GitHub 約 4.8 萬 Star（同日數據）。技能內容會隨倉庫更新，以倉庫為準。

這個 Skill 做什麼

探索性數據分析（EDA）是建模和假設檢驗之前的摸底。K-Dense 的這個技能特別之處在於它的剋制——它明確劃出了自己能做和不做的事。description：對明確受支持的科研文件進行有邊界的本地探索性分析；支持脫敏的 CSV / TSV / JSON 數據畫像，可選的 NumPy、HDF5、FASTA / FASTQ 和基礎圖像元數據檢查，缺失與數據泄漏審計，異常值和變換的敏感性分析，以及嚴謹的 EDA 報告骨架。其他領域格式只提供參考資料，未知格式一律拒絕處理。

「範圍與不可商量的邊界」一節寫道：它用於在建模或驗證性推斷之前檢查已獲授權的本地數據，提供有邊界的、確定性的彙總報告；它不為文件做「認證」，不推斷科學含義，也不支持領域參考資料裏列出的每一種格式。它還要求把數據裏的每個單元格、表頭、序列標題都當作不可信的內容——也就是防範數據文件裏夾帶誘導智能體的文字。

工作流五步：確認授權和數據根目錄 → 在分析內容之前先建清單 → 運行範圍最窄的自動化工具 → 補充科學背景 → 創建報告骨架。

目錄裏有報告模板、六份按學科劃分的文件格式參考（基因組、化學分子、通用科學、顯微成像、蛋白質組與代謝組、光譜分析），以及一組分析腳本。

怎麼安裝

倉庫 README 的安裝方式是 skills CLI。這個庫有一百七十多個技能，建議用 CLI 文檔裏的 --skill 參數只裝需要的：

bash
npx skills add K-Dense-AI/scientific-agent-skills --skill exploratory-data-analysis

也可以把整個倉庫克隆到 ~/.agents/skills/scientific-agent-skills（用戶級）或項目的 .agents/skills/ 下。

倉庫整體介紹和其他安裝方式，詳見本站《Scientific Agent Skills 是什麼、怎麼安裝使用：K-Dense 的科研 Skill 庫（生信、化學、數據分析、科研寫作）》。

怎麼用

• 「對 data/cohort.csv 做探索性分析，重點看缺失模式和可能的數據泄漏」。
• 「這幾個異常值對均值和相關係數的影響有多大？」
• 「按規範搭一份 EDA 報告，把還沒驗證的假設單獨列出」。

適合誰 / 侷限

適合處理實驗、隊列、組學等科研數據的研究者，尤其是數據敏感、希望分析留在本地的場景。它刻意不做「全自動洞察」，結論的科學含義要你來補；專有儀器格式多數只有參考說明而沒有自動化支持。

注意事項

• 許可：MIT。
• 本地、不聯網：技能聲明核心命令行工具需要 Python 3.11 以上，在本地運行且不訪問網絡；完整的可選功能需要 Python 3.12、uv 和各格式對應的庫。
• 脫敏輸出：畫像以彙總統計為主，但含個人資料的數據仍應先確認倫理與合規要求。
• 聲明的工具權限含 Bash 與 Write。