
de edwinhu
Orchestre le diagnostic et les corrections ciblées en cours d'analyse : diagnostique la cause racine, applique des correctifs avec vérification orientée résultat et met à jour les acquis du projet.
Fournit un point de réentrée en cours d'analyse pour les flux de travail de data science. ds-fix impose un protocole strict de diagnostic avant correction : il charge l'état du workflow, identifie la première étape où les résultats divergent et délègue des correctifs vérifiés tout en préservant les fichiers LEARNINGS.md et PLAN.md. Il inclut des mécanismes de contrôle et des contraintes post-sous-agent pour garantir des correctifs sûrs et auditables.
À utiliser lorsqu'une analyse en cours nécessite une correction de trajectoire — par exemple, erreurs d'exécution, résultats erronés, retours de relecture ou modifications des données/du schéma. C'est le point de réentrée médian (après /ds et avant la réimplémentation) conçu pour les cas où vous devez reprendre, diagnostiquer et corriger sans perdre le contexte.
Conçu pour les agents de type orchestrateur utilisés dans les flux de travail de data science — des agents capables de lire les fichiers de projet, de lancer des sous-agents de tâche et d'appliquer des crochets (intégrations notebook-debug, ds-review, ds-implement).
ds-fix is a mid-analysis course-correction skill for data science workflows. It provides structured diagnosis routing (runtime errors, wrong results, unclear root cause, reviewer feedback, data/scope changes) with verification gates and a competing-hypothesis protocol. No bundled scripts to test — it relies on hooks pointing to external Python scripts via ${CLAUDE_PLUGIN_ROOT}. Heavily coupled to sibling skills (ds-implement, ds-review, ds-handoff, notebook-debug) limiting standalone utility.
Well-structured skill with strong emphasis on diagnose-before-fix discipline. The EXTREMELY-IMPORTANT blocks are good guardrails. Security is reasonable — hook commands use env vars that the framework controls. Main limitation is ecosystem dependency: it cannot function without the broader /ds workflow skills.
Arborescence de travail de développement
Créez une arborescence de travail git isolée pour le développement de fonctionnalités, lancez automatiquement la configuration du projet et vérifiez une base de tests saine avant de commencer.
Requête WRDS et Application ETL
Directives et mise en œuvre des normes pour interroger les données WRDS et exécuter SAS/ETL sur la grille WRDS—inclut la validation des requêtes, les modèles de soumission SGE et la performance.
Recherche Académique
Recherchez dans la littérature académique via plusieurs sources, dédupliquez les résultats, résolvez les DOI et accédez aux articles de confiance avec des synthèses concises.
Gestion de documents Readwise Reader
Gérez vos documents Readwise Reader : lister, sauvegarder, rechercher, déplacer, taguer, surligner, exporter et modifier en masse via des CLI officielles et personnalisées.
DS Plan (Planification Data Science)
Phase de profilage des données et de décomposition des tâches du flux de travail de data science.