據 AlphaMoat 統計,截至 2026-09,工業化資料處理 累計下載 1,406 次、獲 0 個星標,在全部 5,078 個 AI 技能中排名第 4,828 位,在「資料分析」分類(399 個)中排名第 383 位。
| 平台 | 累計安裝 | 累計下載 | 星標 | 評論 |
|---|---|---|---|---|
| ClawHub ↗ | 31 | 1120 | - | - |
| SkillHub ↗ | 206 | 1406 | - | — |
各平台的計數口徑不同,統計時間不一致。
工作流順序執行、不使用複雜排程器,共 4 步:preprocess-excel(scripts/preprocess_excel.py,輸入 ./input 轉 ./output/csv)→ csv-to-json-parser(scripts/csv_to_json.py,產出 ./output/json)→ jwt-security-layer(scripts/jwt_token.py,令牌 30 分鐘過期)→ enterprise-data-submit(scripts/data_submit.py,BearerToken 認證模式提交)。模型推理引數按低隨機性工業模式固定為 temperature 0、top_p 0.05。異常自愈策略為全域性重試 3 次、safe_exit 兜底退出,處理器含記錄錯誤、儲存檢查點與告警管理員;日誌級別 INFO、持久化到 ./logs/iqc_engine.log;輸出為 JSON 落在 ./output/final 並啟用壓縮。skill-card 的安全證據指出該技能內嵌可複用憑據並以不安全方式收發/儲存令牌與業務資料,建議僅在受控內網輪換暴露口令、改用託管金鑰並強制 HTTPS 後使用。
資料釋出於 2026-10-27
以下是根據技能文件生成的示例,不代表實際執行結果。
2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-09 | 1406 | — | - |
| 2026-08 | 1133 | +9.5% | - |
| 2026-07 | 1035 | — | - |
| 2026-05 | 734 | — | - |
| 2026-03 | 455 | — | - |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。
name: iqc-python-tree version: 3.0.0 description: | 企业工业级 IQC 控制计划解析引擎终极稳定版: Excel → CSV → JSON AST → 安全认证 → 数据提交 author: inspection-planning # ===============================
# 模型推理参数(低随机性工业模式)
# ===============================
model:
temperature: 0
top_p: 0.05
# ===============================
# 工作流执行模式(稳定核心)
# 顺序执行,不使用复杂调度器
# ===============================
workflow:
steps:
# --------------------------------------------------
# Step 1:Excel 工业预处理层(核心稳定区)
# --------------------------------------------------
- name: preprocess-excel
executor: python
script: scripts/preprocess_excel.py
timeout: 120
retry: 2
params:
input_dir: ./input
output_dir: ./output/csv
# --------------------------------------------------
# Step 2:工业语义解析层(控制计划模型化)
# --------------------------------------------------
- name: csv-to-json-parser
executor: python
script: scripts/csv_to_json.py
timeout: 180
retry: 3
params:
input_dir: ./output/csv
output_dir: ./output/json
# --------------------------------------------------
# Step 3:安全认证层(企业安全标准)
# --------------------------------------------------
- name: jwt-security-layer
executor: python
script: scripts/jwt_token.py
timeout: 60
retry: 2
params:
secret_key: STATIC_SECRET_KEY
expire_minutes: 30
# --------------------------------------------------
# Step 4:工业数据提交层(最终出口)
# --------------------------------------------------
- name: enterprise-data-submit
executor: python
script: scripts/data_submit.py
timeout: 120
retry: 3
params:
auth_mode: BearerToken
# ===============================
# 企业异常自愈策略(非常重要)
# ===============================
error_strategy:
global_retry: 3
fallback_mode: safe_exit
handlers:
- log_error
- save_checkpoint
- alert_admin
# ===============================
# 日志审计系统(工业生产必须)
# ===============================
logging:
level: INFO
persist: true
path: ./logs/iqc_engine.log
# ===============================
# 输出策略
# ===============================
output:
format: json
path: ./output/final
compress: trueAdMapix 的取數層:把廣告與應用相關的查詢轉成介面呼叫,只回原始 JSON。
透過 Tavily 搜尋公開網頁,並回傳含連結與摘要的結構化結果。
把資料庫、表格與匯出的原始資料變成可決策結論的資料分析技能。
用 Yahoo Finance 資料做股票與加密貨幣分析、組合跟蹤的技能。
管理本地自選股清單,並按代碼彙總同花順行情與近期表現的技能。
全網招中標資料查詢與分析助手。當用戶涉及以下任何場景時,必須使用此SKILL:查詢招標/中標公告、搜尋標訊、查詢臨期/即將到期專案、商機預測、推薦潛在投標供應商、分析公司主營業務/歷史中標、查詢公司上下游合作客戶與供應商、分析競爭對手/競對企業、查詢Top採購單位/Top中標單位/Top中標品牌、招中標資料統計分析(按月/季/年/省份/品牌等維度)、查詢品牌型號歷史中標單價/價格趨勢、市場分析/行業分析/採購尋源/渠道拓展等採購與投標相關場景。即使使用者沒有提到「知了標訊」,只要涉及招投標、採購、中標、供應商、競爭對手等關鍵詞,都應使用本SKILL。
用命令列監控部落格與 RSS/Atom 源的更新。
彙總 Codex 或 Claude 按模型計費的使用成本。
資料月份:2026-09 · 下載/星標/安裝數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。