🇨🇳中文介绍

技能：创建开放数据分析器

此技能用于为 open-data 模块添加新的处理能力。它负责处理大型数据集（通常来自政府门户网站的 CSV 文件）的摄取、解析和可视化。

执行步骤

1. 数据契约定义

定位 lib/open-data.ts。

• 操作 : 为新的原始数据结构定义一个 TypeScript 接口。

• 示例 :

  export interface RawOcamEntry { "RUC PROVEEDOR": string; "MONTO TOTAL": string; // 注意：原始数据通常是字符串 "FECHA FORMALIZACION": string; // ... }

2. 处理逻辑

创建/编辑 lib/open-data-processing.ts。实现一个规范化函数，将原始字符串 -> 类型化对象（数字、日期）。

export function normalizeOcamData(raw: RawOcamEntry[]): NormalizedEntry[] {
  return raw.map(item => ({
    amount: parseFloat(item["MONTO TOTAL"]),
    vendor: item["RUC PROVEEDOR"],
    date: parse(item["FECHA FORMALIZACION"], "dd/MM/yyyy", new Date())
  }))
}

3. 分析函数

将具体的业务逻辑问题实现为纯函数。

• 头部供应商 : 按总金额排序。
• 价格趋势 : 按月份/周分组。
• 竞争对手分析 : 按 competitor_matrix 表中定义的特定 RUC 进行筛选。

4. API 端点（服务器端）

由于数据集很大，处理应在服务器上进行。

• 创建 app/api/open-data/[analysis-type]/route.ts。
• 此路由应接受筛选条件（日期范围、类别）并返回可供图表使用的 JSON 数据。

5. 可视化组件

创建 components/open-data/[analysis-name]-chart.tsx。

• 使用 recharts。
• 输入：来自 API 的处理后的 JSON。
• 输出：BarChart、LineChart 或 DataTable。

智能体检查

• 是否处理了混乱的数据？（NaN、无效日期）。
• 处理是否高效？（如果可能，避免在大型数组上使用嵌套循环）。

每周安装次数

–

来源

smithery.ai/ski…analyzer

首次出现

–

export function normalizeOcamData(raw: RawOcamEntry[]): NormalizedEntry[] {
  return raw.map(item => ({
    amount: parseFloat(item["MONTO TOTAL"]),
    vendor: item["RUC PROVEEDOR"],
    date: parse(item["FECHA FORMALIZACION"], "dd/MM/yyyy", new Date())
  }))
}