
de edwinhu
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.
Cette compétence codifie des pratiques sûres et prêtes pour la production pour accéder aux jeux de données WRDS et exécuter l'ETL sur la grille WRDS. Elle impose des restrictions sur les nœuds de connexion, des modèles de soumission de tableaux SGE, du SQL paramétré, une validation obligatoire des filtres et des vérifications de performance SAS ETL pour éviter le marquage du compte et garantir des tâches reproductibles et efficaces.
À utiliser lors de la construction ou de l'exécution de requêtes WRDS, de l'extraction de documents SEC, de l'exécution de pipelines SAS ou de la soumission de calculs au cluster WRDS. Appliquez-la avant d'exécuter des requêtes volumineuses ou toute tâche susceptible d'impacter l'infrastructure partagée.
Inférence : Conçu pour les assistants en ingénierie de données et en recherche qui préparent des requêtes WRDS, 저est l'auteur de tâches SAS/ETL ou valident des pipelines d'extraction de données.
La compétence WRDS Query & ETL Enforcement fournit des conseils complets pour interroger les Wharton Research Data Services (bases de données financières académiques) et exécuter SAS/ETL sur la grille WRDS. Le fichier SKILL.md est exceptionnellement détaillé avec des règles d'application, des listes de vérification de validation et des références de tables. Deux scripts groupés ont tous deux échoué car les identifiants WRDS étaient manquants (ce qui est attendu — outil spécifique au domaine). Le script inventory_schemas.py code en dur un nom d'utilisateur ('eddyhu'), ce qui pose un problème de PII/identifiants.
Nom d'utilisateur codé en dur dans inventory_schemas.py (ligne 25 : user='eddyhu'). Les scripts se connectent à un serveur WRDS externe, mais c'est l'objectif prévu. Le fichier SKILL.md est extrêmement bien écrit avec des listes de vérification détaillées et des modèles d'application. Pas de commandes destructrices, pas d'exfiltration, pas de modèles curl|bash.
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.
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.
ds-fix — correcteur d'analyse de data science
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.
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.