# unknown

> 本文件定義 agents.yaml 會引用的 skills（以提示詞模式為主）。 原則：**可稽核（可追溯到資料欄位/列）**、**可落地（可在 Streamlit/Plotly 實作）**、**以視覺化輔助決策**。

- Author: Leslie012726
- Repository: Leslie012726/GPT52-Leslie-agent-012726
- Version: 20260127142336
- Stars: 0
- Forks: 0
- Last Updated: 2026-02-08
- Source: https://github.com/Leslie012726/GPT52-Leslie-agent-012726
- Web: https://mule.run/skillshub/@@Leslie012726/GPT52-Leslie-agent-012726~unknown:20260127142336

---

# SKILL.md — FDA GUDID Agentic Skillbook（繁體中文｜視覺化/儀表板強化版）

本文件定義 agents.yaml 會引用的 skills（以提示詞模式為主）。
原則：**可稽核（可追溯到資料欄位/列）**、**可落地（可在 Streamlit/Plotly 實作）**、**以視覺化輔助決策**。

---

## dataset_grounding
**目的**：所有結論必須可由提供的 dataset context 支撐。

**規則**
- 僅能使用提供的資料上下文；不可引入外部事實。
- 若資訊不足：列出缺少的欄位/資料集、以及需要的最小樣本。
- 重要 ID（DI/UDI、K number、Recall#）必須原樣保留格式。

**輸出模板**
- 發現（bullets）
- 證據（表格：claim | 欄位 | 佐證列/樣本）
- 缺口與風險

---

## citation_style
**目的**：提供一致的稽核引用格式。

**建議格式**
- `(DatasetName row 123)` 或 `(Recalls.csv row 182)`
- 若 row index 不可得：改用唯一鍵欄位（例如 Primary DI / recall_number）。

---

## kpi_design
**目的**：設計儀表板 KPI 卡片（能快速判斷風險與資料健康度）。

**常見 KPI**
- 資料集：rows、cols、missing cells、duplicates
- 召回：Class I 件數、近 30 天件數、Top 製造商占比
- 510(k)：近一年 submissions、Top 產品碼
- 警訊：近 90 天 alerts、主題 Top N

**輸出**
- KPI 名稱、計算方式、欄位需求、顯示格式（數字/百分比）

---

## chart_recommendations
**目的**：針對問題與欄位給出最佳圖表建議（含互動）。

**輸出**
- 圖表類型（bar/line/stacked/treemap/heatmap）
- 欄位對應（x/y/color/facet）
- 互動（filter、drill-down、hover、brush）
- 風險（誤導、取樣偏誤、去重需求）

---

## chart_storytelling
**目的**：為圖表提供「可稽核敘事」。

**輸出**
- 圖表在說什麼（觀察）
- 為何重要（監管意涵）
- 可能原因（資料因素 vs 真實因素）
- 下一步（要鑽取的 filters / 欄位）

---

## dashboard_layout
**目的**：設計 WOW 儀表板版面與鑽取頁。

**建議結構**
- Header：狀態（Ready/Processing/Error）+ 全局 KPI
- Left rail：facets filters（類別、日期、製造商、產品碼）
- Main：核心趨勢圖（時間序列）+ 分布圖（bar/treemap）
- Drill-down：資料表 + row-level evidence

---

## interaction_design
**目的**：定義跨圖表聯動與微互動。

**輸出**
- 點選 bar → 其他圖表同步篩選
- brush 選取日期範圍 → 更新 KPI 與表格
- hover tooltip → 顯示關鍵欄位與 ID
- 錯誤/處理中/就緒狀態視覺規範（顏色/提示）

---

## data_dictionary
**目的**：產出資料字典（用於視覺化與稽核）。

**輸出**
- 欄位名、型別、例值、缺失率、基數（unique count）、備註（ID/日期/類別）
- 推薦用途（當 X 軸/分群/filter/tooltip）

---

## data_quality
**目的**：找出資料品質風險，避免視覺化誤導。

**檢查清單**
- 高缺失欄位、全空欄位
- 類別不一致（大小寫/同義詞/拼字）
- 重複列、可疑鍵值
- 日期解析失敗比例
- 極端值（outliers）

---

## missingness_analysis
**目的**：缺失值可視化（heatmap/bar）與門檻建議。

**輸出**
- Top missing 欄位排行
- 分群缺失（例如依製造商/日期的缺失差異）
- 建議門檻：例如缺失 > 40% 不用於核心 KPI

---

## duplicate_analysis
**目的**：重複/主鍵一致性分析。

**輸出**
- 重複比例、重複鍵值 Top N
- 重複集中在哪些維度（製造商/產品碼/日期）
- 建議去重策略（保留最新、合併欄位、取最大/最小）

---

## normalization_rules
**目的**：資料正規化，提升做圖一致性。

**規則範例**
- 日期 → ISO-8601
- 類別碼表 → {I, II, III}
- trim whitespace、統一大小寫
- ID 欄位保留 leading zeros

---

## schema_mapping
**目的**：把非標準欄位映射到 canonical schema。

**常見 canonical 欄位**
- device_class
- manufacturer_name
- product_code
- recall_number
- k_number
- submission_date / event_date
- primary_di / udi_di

---

## viz_ready_transform
**目的**：把資料轉為「可視覺化的 tidy format」。

**輸出**
- 長表/寬表轉換建議（melt/pivot）
- 聚合層級（day/week/month）
- 去重與權重（count vs unique devices）

---

## time_series_scan
**目的**：時間序列視覺化與突波偵測。

**輸出**
- 建議粒度（按月/週/日）
- 突波窗口與基準期
- 建議圖：line + rolling mean、stacked area、small multiples

---

## outlier_detection
**目的**：找出異常集中/離群。

**輸出**
- Top entities 占比
- 可能資料原因（重複、缺失、合併錯誤）
- 建議鑽取 filters

---

## pivot_analysis
**目的**：pivot/交叉表 + heatmap。

**輸出**
- row/col 候選（與監管問題對齊）
- normalization（row%/col%）
- 高風險格子的解讀與鑽取策略

---

## correlation_analysis
**目的**：數值相關或類別共現。

**輸出**
- 相關矩陣/共現矩陣建議
- 可能的 confounders（日期、製造商）
- 注意：相關≠因果（需稽核敘事）

---

## geo_viz
**目的**：地理視覺化。

**輸出**
- 欄位需求（state/country/city/zip）
- 地圖類型（choropleth/scatter）
- 地理分箱與隱私注意（小樣本遮蔽）

---

## join_strategy
**目的**：多資料集合併與聯合視覺化。

**輸出**
- join keys 候選
- join 風險（多對多、鍵值缺失）
- 合併後的指標與圖表（Sankey、linked filters）

---

## cohort_compare
**目的**：兩 cohort 比較的視覺化策略。

**輸出**
- cohort 定義（filters）
- 差異指標（差值、比率、排名變動）
- 圖：side-by-side bar、slope chart、stacked delta

---

## evidence_table
**目的**：把結論拆解為可追溯證據鏈。

**輸出表**
- claim | dataset | columns | supporting rows/IDs | caveats

---

## viz_spec_validation
**目的**：審查圖表規格是否可落地/不誤導。

**檢核**
- 欄位存在/型別可用
- 是否需要聚合/去重/分母一致
- 是否有截斷軸或比例誤導
- tooltip 是否包含 ID 便於稽核

---

## query_to_filters
**目的**：自然語言→filters/groupby/metrics/chart spec（可用於 Cohort Builder）。

**輸出 JSON schema（建議）**
- dataset, rules[{column,op,value,notes}], groupby[], metrics[], chart{type,x,y,color}

---

## viz_code_plotly
**目的**：生成可直接貼到 Streamlit 的 Plotly 程式碼。

**規則**
- 程式碼需最小可執行（import plotly.express as px）
- 明確寫出需要的欄位名稱
- 若欄位不在：提供 fallback（例如 counts by index 或先做欄位映射）

---

## ui_streamlit_patterns
**目的**：Streamlit UI 模式（資料表、下載、狀態、session_state）。

**常用片段**
- st.data_editor + checkbox 選列
- st.download_button 匯出 YAML/MD/CSV
- st.session_state 保存 chain/context
- 狀態指示（ready/processing/error）的 UI 規範

---

## executive_brief
**目的**：一頁式報告（適合審查/會議）。

**段落**
- Background
- Key numbers (KPI)
- Findings (with evidence)
- Risks/Limitations
- Recommendations / Next filters

---

## bilingual_summary
**目的**：雙語摘要（EN + 繁體中文），內容一致。

**規則**
- 先 English，後 繁體中文
- 數字、日期、名詞一致
- 監管術語保留/括號補充

---

## workflow_planning
**目的**：規劃代理鏈（清理→分析→作圖→敘事→證據表）。

**輸出**
- Step-by-step chain
- 每步輸入/輸出最小需求
- 失敗 fallback（無 key、欄位缺失、資料量過大）
---

## prompt_engineering
**目的**：把任務提示詞變短、變嚴格、可稽核。

**輸出**
- Short strict prompt（含輸出格式）
- 禁止事項（不得臆測、不得外推）
- 必要欄位清單