メニュー
Acquire and retain public building datasets reproducibly, with source hashes, safe extraction, and a strict raw-versus-derived boundary.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/bbartling/py-bacnet-stacks-playground --skill dataset-provenanceコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SKILL.md を表示中
Calibrate an existing-building EnergyPlus model against measured energy and operational evidence using auditable Guideline-14-style scorecards.
Build or modify a defensible EnergyPlus seed model from building evidence, including geometry, schedules, HVAC mapping, and controlled IDF changes.
Route shared EnergyPlus work to the right intake, authoring, calibration, tariff, results, or DSM procedure.
| name | dataset-provenance |
| description | Acquire and retain public building datasets reproducibly, with source hashes, safe extraction, and a strict raw-versus-derived boundary. |
Acquire public building datasets reproducibly without committing huge archives or losing source provenance.
data/raw/ using a .part file and atomic rename.data/processed/ with their own provenance.Unexpected package layout, hash mismatch, ambiguous release or unsafe archive paths fail closed. Never silently swap in another dataset release.