菜单
Use when analysis jobs, user feedback, profile outputs, or real-data probes need to be converted into reference materials for later RA:metadata maintenance; trigger for metadata 修正材料, 字段定义不清, 指标口径待修, evidence 补充, job feedback, profile-based metadata refinement.
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
Use when: (1) Starting analysis to understand dataset structure, (2) Checking data quality before processing, (3) Need schema, semantic roles, null counts, and signals before analysis, (4) Need to bind a profiling result back to a specific CSV inside a continuous-analysis job. Triggers: profiling, 数据画像, 数据概览, profile, 数据质量, schema summary.
用于通用数据分析任务的总控编排与分析执行 skill。适用于监控、汇报、诊断、归因、对标、排名、探索、专项分析，以及任何需要连续对话、连续分析、单会话单 job 管理、先做需求画像、获得用户确认，再编排取数、数据体检、分析执行和报告追加流程的请求。
Controlled Tableau, DuckDB, MySQL, and ClickHouse data export for RealAnalyst/Codex. Use when an analysis task needs to fetch formal CSV data from a registered source in the unified SQLite registry, including Tableau view/domain exports with vf/vp filters and SQL table/view exports with field whitelist, filters, aggregation, and audited job metadata updates. Triggers: tableau export, duckdb export, mysql export, clickhouse export, 受控取数, 数据导出, 补数, 追加分析, export_summary, duckdb_export_summary, data_export_summary.
Use when generating Markdown reports that explain RealAnalyst metadata, sync results, dataset registration details, field/metric/filter semantics, metadata gaps, or metadata inventory. Triggers: 元数据报告, 同步结果说明, 字段口径说明, 数据集注册报告, 元数据清单.
Use when: (1) Need to search for metric, field, term, dataset, or mapping definitions from the metadata index, (2) Need to browse available datasets before starting analysis, (3) Need a lightweight lookup result instead of reading full YAML files. Triggers: 搜索指标, 搜索字段, 搜索术语, 搜索数据集, metadata search, 浏览数据集目录, catalog, dataset discovery.
Use when initializing, registering, refreshing, validating, or packaging LLM-maintained dataset metadata for RealAnalyst; trigger for 数据集注册, 元数据初始化, 业务口径维护, metadata context, Tableau/DuckDB source onboarding, or analysis planning context. For search/catalog use RA:metadata-search.
| name | RA:metadata-refine |
| description | Use when analysis jobs, user feedback, profile outputs, or real-data probes need to be converted into reference materials for later RA:metadata maintenance; trigger for metadata 修正材料, 字段定义不清, 指标口径待修, evidence 补充, job feedback, profile-based metadata refinement. |
RA:metadata-refine 只生成元数据修正参考材料。它读取分析 job、用户反馈、profile 和必要的数据探查结果，把问题整理成可审查文件；正式 YAML 仍由 RA:metadata 维护。
执行前复用 RA:getting-started doctor 的项目环境摘要；本 skill 可以读取 job / CSV / profile 做参考包，但不自行寻找其它 Python、DuckDB CLI 或 registry 写入路径。
使用本 skill：
metadata/sources/refine/，供 RA:metadata 引用。RA:metadata 的输入。不要使用本 skill：
metadata/datasets/*.yaml、metadata/mappings/*.yaml 或 metadata/dictionaries/*.yaml。使用 RA:metadata。RA:analysis-run / RA:report。runtime/registry.db。使用 RA:metadata validate/index/sync-registry。python3 {baseDir}/skills/metadata-refine/scripts/collect_feedback.py --session-id <SESSION_ID> --list
python3 {baseDir}/skills/metadata-refine/scripts/collect_feedback.py --session-id <SESSION_ID> --issue-type field_definition_unclear --summary "字段含义需要确认"
python3 {baseDir}/skills/metadata-refine/scripts/probe_data.py --session-id <SESSION_ID> --data-csv jobs/<SESSION_ID>/data/<file>.csv --dataset-id <dataset_id>
metadata-only 场景没有 analysis job 时，也可以直接传 dataset 和 CSV：
python3 {baseDir}/skills/metadata-refine/scripts/probe_data.py --dataset-id <dataset_id> --data-csv <file>.csv
python3 {baseDir}/skills/metadata-refine/scripts/build_reference_pack.py --session-id <SESSION_ID> --dataset-id <dataset_id>
python3 {baseDir}/skills/metadata-refine/scripts/build_reference_pack.py --dataset-id <dataset_id> --data-csv <file>.csv --profile-json <profile.json>
如果目标是从 RA:metadata-report 的未维护项出发做 guided workflow，可以使用一条命令生成真实数据探查证据和候选维护建议：
python3 {baseDir}/skills/metadata-refine/scripts/resolve_report_gaps.py --dataset-id <dataset_id> --data-csv <file>.csv
该脚本会读取正式 CSV，探查字段 cardinality、日期范围、数值范围、likely grain 和 candidate key fields，生成 runtime/metadata-refine/{refine_id}/ 参考包。加 --run-loop 时会继续驱动 metadata validate、metadata index、metadata sync-registry --dry-run 和 RA:metadata-report；它只验证维护链路，不自动改正式 YAML。
默认输出到：
runtime/metadata-refine/{refine_id}/
refine_brief.md
refine_followup.md
feedback_summary.md
data_probe_summary.md
metadata_update_reference.md
evidence_manifest.json
python3 {baseDir}/skills/metadata-refine/scripts/archive_reference_pack.py --refine-id <refine_id> --session-id <SESSION_ID>
归档后位置：
metadata/sources/refine/{refine_id}/
RA:metadata 继续维护 YAML：/skill RA:metadata
基于 metadata/sources/refine/{refine_id}/ 的参考材料修正对应 metadata YAML，并运行 validate/index/sync-registry。
runtime/metadata-refine/ 是临时工作区。metadata/sources/refine/ 是归档证据区。evidence_manifest.json 必须记录 job_id、输入 CSV、profile、feedback 和归档路径；正式 YAML 只能通过 business_definition.ref 引用关联记录，不复制 evidence。fields[].name 改成中文展示名。runtime/metadata-refine/ 草稿区或归档后的 metadata/sources/refine/；不得自动生成 dataset YAML patch。enum_values、sample_profile、sample_values、top_values、duckdb_type 或 nullable 字段。metadata/mappings/*.yaml 维护建议，不在 dataset fields/metrics 内嵌 source_mapping。完成后用下面结构向用户汇报，并按本次结果动态裁剪：
完成情况：
- 已读取来源：<job、profile、CSV、feedback、用户反馈>
- 已生成 refine pack：`metadata/sources/refine/{refine_id}/`
- 已生成参考文件：<evidence_manifest.json、metadata_update_reference.md、refine_followup.md>
下一步建议：
- 最推荐下一步：/skill RA:metadata ...（基于 refine pack 修正正式 YAML）
- 可选下一步：/skill RA:metadata-report ...（修正后生成长期口径说明）
- 可选下一步：/skill RA:analysis-run ...（下一次分析复用更好的 metadata）
边界提醒：
- 本 skill 只整理和归档参考材料，没有直接修改正式 YAML。
- 正式写回必须由用户主动进入 /skill RA:metadata，并运行 validate / index / sync-registry。