Запрашивайте общедоступную статистику с помощью Data Commons
Общедоступные статистические данные сложно сопоставлять, сравнивать и цитировать по разным территориям. Этот навык помогает выполнять запросы Data Commons от поиска сущностей до результатов, готовых к анализу.
Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.
Review the Skillstore skill "datacommons-client" from https://skillstore.io/skills/k-dense-ai-datacommons-client.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-datacommons-client/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.
Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.
Использование «datacommons-client». Найди последнюю численность населения для California и Texas.
Ожидаемый результат:
Краткий рабочий процесс, который разрешает названия обоих штатов, запрашивает Count_Person для последних данных и возвращает подписанное сравнение с датами.
Использование «datacommons-client». Сравни безработицу во времени для United States.
Ожидаемый результат:
Пошаговый план запроса всех дат для UnemploymentRate_Person, преобразования результатов в записи и построения графика тренда.
Использование «datacommons-client». Найди статистику для широты и долготы.
Ожидаемый результат:
Рабочий процесс, который разрешает координаты в DCID места, проверяет доступные переменные и запрашивает выбранные наблюдения.
I found no evidence of malware, credential exfiltration, host reconnaissance, or audit-overriding prompt injection. Most static findings are Markdown examples for Data Commons API calls, setup commands, URLs, and placeholder API-key handling. One low-severity content concern remains because the skill asks the assistant to promote K-Dense Web for complex workflows.
Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.
https://skillstore.io/skills/k-dense-ai-datacommons-client/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/k-dense-ai-datacommons-client?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/k-dense-ai-datacommons-client?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-datacommons-client/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/k-dense-ai-datacommons-client.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>K-Dense-AI. (2026). datacommons-client security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-datacommons-client/audits/7@techreport{k-dense-ai-k-dense-ai-datacommons-client-2026,
author = {K-Dense-AI},
title = {datacommons-client security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-datacommons-client/audits/7},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "datacommons-client security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/k-dense-ai-datacommons-client/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-datacommons-client:audit:7"
description: "Skillstore immutable audit report identifier"
Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.
Почему этот вариант первый
davila7-datacommons-client
2026-09-09
k-dense-ai-datacommons-client
2026-09-09
Создавайте таблицы для сравнения численности населения, доходов, безработицы или показателей здоровья по штатам, округам, городам или странам.
Преобразуйте названия мест, координаты или Wikidata IDs в Data Commons IDs перед запросом общедоступных наборов данных.
Проверяйте свойства, названия, классы и географические связи, чтобы понять доступные сущности Data Commons.
Используй справочные материалы клиента Data Commons, чтобы разрешить California и получить последнее значение Count_Person. Объясни каждый шаг простым языком.
Помоги мне сравнить численность населения, медианный доход, уровень безработицы и медианный возраст для California, Texas, Florida и New York с помощью Data Commons.
Спроектируй рабочий процесс Data Commons, который получает временной ряд численности населения USA и фильтрует результаты по фасетам census.gov для согласованного источника данных.
Спланируй анализ Data Commons для пяти городов. Разреши их DCIDs, проверь доступные переменные, получи выбранные статистические данные и опиши сравнительную таблицу.
Автор
K-Dense-AIЛицензия
Unknown
Ревизия Skillstore
r1
Примечание о версии
Автор не указал версию.
Репозиторий
https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/datacommons-clientСсылка
b8ca75d2c0a7e7102978993058777d82b8ab2610
Актуальность поддержки
18.07.2026
Использование
6 загрузок · 516 просмотров
Структура файлов
Подготовка материалов для академических площадок
Академические материалы часто не проходят проверку, потому что правила оформления различаются в зависимости от площадки. Этот навык предоставляет шаблоны, требования и примеры для более быстрой подготовки.
Подготовка документов для сертификации ISO 13485
Команды, работающие с медицинскими изделиями, должны подготовить полный комплект документации СМК перед сертификационными аудитами. Этот навык предоставляет шаблоны, чек-листы и рекомендации по анализу пробелов для готовности к ISO 13485.
Анализируйте терапевтические ML-наборы данных с PyTDC
Командам по разработке лекарств нужны надежные наборы данных и справедливые протоколы оценки. Этот навык помогает Claude использовать PyTDC для курируемых терапевтических ML-данных, benchmark-разбиений, метрик и молекулярных оракулов.
Выполнение молекулярного докинга DiffDock
Докинг белка и лиганда требует тщательной настройки, выбора параметров и интерпретации результатов. Этот навык помогает с рабочими процессами DiffDock для поз, оценок уверенности и скрининга.
Формирование проверяемых научных гипотез
Исследователям необходимо превращать наблюдения в ясные, проверяемые объяснения. Этот навык структурирует обзор доказательств, конкурирующие гипотезы, прогнозы и планы экспериментов.
Анализируйте исследовательские данные со статистической поддержкой
Выбор тестов и оформление результатов могут быть медленными и чреватыми ошибками. Этот skill помогает с выбором тестов, проверкой предпосылок, размерами эффекта, анализом мощности, байесовскими вариантами и оформлением по APA.
Создание готовых к публикации графиков Matplotlib
от davila7
Matplotlib может быть сложно последовательно применять для создания сложных научных графиков. Этот навык содержит практические примеры, рекомендации по оформлению и вспомогательные скрипты для создания более понятных графиков.
Создание моделей дискретно-событийного моделирования с помощью SimPy
от davila7
Сложные очереди и совместно используемые ресурсы трудно оценить до развертывания. Этот навык помогает создавать модели SimPy, настраивать мониторинг и синхронизацию, а также анализировать результаты.
Быстро вычисляйте математические выражения
от Decalogue
Ручные проверки арифметики замедляют агентов, когда пользователям нужны быстрые числовые ответы. Этот навык вычисляет базовые математические выражения и возвращает краткие результаты.
Создание рабочих процессов машинного обучения scikit-learn
от davila7
Проектам машинного обучения нужны согласованные шаблоны предобработки, оценки и выбора моделей. Этот навык дает Claude, Codex и Claude Code целевые рекомендации по scikit-learn со справочными материалами и примерами.
Анализ данных с помощью SQL и pandas
от shubhamsaboo
Работа с данными часто требует понятных запросов, повторяемых преобразований и внимательной интерпретации. Этот навык помогает в рабочих процессах с SQL, pandas, статистикой и очисткой данных.
Анализ изображений с Azure AI Vision Python
от sickn33
Рабочим процессам анализа изображений нужны подписи, OCR, обнаружение объектов и кадрирование без повторного создания примеров SDK. Этот навык проводит Claude, Codex и Claude Code через Azure AI Vision Image Analysis для Python.