Synthèse automatique
Ce skill parcourt le dictionnaire de métriques du dataset actif et affiche leurs définitions, catégories et statuts de validation.
Points forts
- Liste, filtre par catégorie, recherche textuelle et affichage détaillé d'une métrique via des commandes simples
- Lit les définitions depuis les fichiers YAML du dataset actif, ce qui garantit des formules et granularités cohérentes avec le référentiel
- Signale les métriques dont la dernière validation date de plus de 30 jours
- Propose des actions de suivi pertinentes (profiling des données, création d'une spec, analyse de tendance)
Limites
- Suppose une arborescence de fichiers précise (.knowledge/active.yaml et .knowledge/datasets/{active}/metrics/) déjà en place
- Ne calcule ni ne valide aucune métrique : il se contente de lire et d'afficher les définitions existantes
- La syntaxe des commandes de filtrage et de recherche doit être saisie exactement (category=, search=)
À utiliser lorsqu'on veut consulter rapidement une définition de métrique existante ou vérifier si une métrique est déjà documentée avant de l'utiliser.
À ne pas utiliser sur un dataset sans dictionnaire de métriques ni pour calculer réellement une métrique sur les données.
Analyse de sécurité
SûrThe skill only reads local YAML files under .knowledge/ (active.yaml, metric index, per-metric files) and displays formatted tables. It declares no tools, makes no network calls, runs no shell commands, and performs no writes or destructive actions, so there is no meaningful execution risk.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
/metrics — show me all the metrics we track for the active dataset/metrics mrr — show me the full spec including formula, unit, and validation status/metrics search=churn — which metrics mention churn in their name or description?Skill: Metrics
Purpose
Browse, search, and display metric definitions from the active dataset's metric dictionary. Provides quick access to how metrics are defined, computed, and validated.
When to Use
- User says
/metricsor "show me the metrics" or "what metrics do we track?" - During analysis, to confirm a metric's definition before computing it
- When writing a metric spec, to check for existing definitions
Invocation
/metrics — list all metrics for the active dataset
/metrics {id} — show full spec for a specific metric
/metrics category={cat} — filter by category (e.g., monetization)
/metrics search={term} — search metric names and descriptions
Instructions
Step 1: Load Metric Dictionary
- Read
.knowledge/active.yamlto identify the active dataset. - Read
.knowledge/datasets/{active}/metrics/index.yamlfor the metric list. - If no metrics directory exists: "No metric dictionary for this dataset. Use the metric-spec skill to define metrics."
Step 2: Execute Command
List all (/metrics):
- Display as a table: id, name, category, direction, validation_status
- Group by category
- Show total count
Show specific (/metrics {id}):
- Read
.knowledge/datasets/{active}/metrics/{id}.yaml - Display: name, category, owner, full definition (formula, unit, direction, granularity), source tables, dimensions, guardrails, typical range, validation status
- If metric not found: suggest closest match from index
Filter by category (/metrics category=monetization):
- Filter index by category field
- Display filtered table
Search (/metrics search=revenue):
- Search metric names and descriptions (case-insensitive substring)
- Display matching metrics
Step 3: Contextual Suggestions
After displaying metrics, suggest relevant actions:
- "Want to validate {metric} against the current data? Use the data-profiling skill."
- "Need to define a new metric? Use the metric-spec skill."
- "Want to see how {metric} trends over time? Ask me to analyze it."
Edge Cases
- No active dataset: Prompt to connect one
- Empty metric dictionary: Suggest using metric-spec skill
- Metric referenced but not in dictionary: Offer to create it
- Stale validation: Flag metrics where last_validated is >30 days ago
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/metrics-dictionary-mm5t89o6/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/metrics-dictionary-mm5t89o6' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/metrics-dictionary-mm5t89o6/download' --output '.skill-downloads/metrics-dictionary-mm5t89o6/SKILL.md.part' && mv '.skill-downloads/metrics-dictionary-mm5t89o6/SKILL.md.part' '.skill-downloads/metrics-dictionary-mm5t89o6/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Le fichier ne fournit pas un en-tête name/description exploitable pour cette procédure native. Le téléchargement reste disponible pour lecture ; utilisez le mode manuel ci-dessous.
Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/metrics-dictionary-mm5t89o6/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.