huashu-excel - 華舒のオープンソースAIデータ分析スキル - AiBoss

huashu-excelとは何ですか？

Huashu-excelは、Huashuが開発したオープンソースのAIデータ分析スキルです。健全性チェック、クリーニング、アライメント、分析、調整、配信、画像検証、品質管理という8つのステップからなるプロセスを通して、AIデータ分析におけるエラー防止という根本的な課題に取り組みます。Huashu-excelはopenpyxlを使用して生のセルを読み込み、構造上の落とし穴を特定します。その後、テーブル内合計値を使用して検証と調整を無償で行い、別のエージェントがエラーを再計算して修正します。このツールはHTML/Excel/Word形式のレポート出力に対応しており、openpyxlのみに依存し、MITライセンスの下でオープンソースとして提供されています。

huashu-excelの主な機能

データ健全性チェック動的なpandasテーブルを作成する前に、openpyxlを使用して生のセルを読み込み、ヘッダーのずれ、セルの結合、小計行の混在などの構造上の問題を特定します。
データクリーニングダーティテーブルは正規化された分析テーブルに変換され、各ステップで影響を受けた行数を記録する、監査可能で再現可能なクリーニングスクリプトが生成されます。
需要の整合性まず、データの特性と外部ベンチマークを理解し、次にユーザーと実際のニーズと分析基準を確認することで、誤った質問に基づいて完全な分析を行うことを避ける。
データ分析シンプソンのパラドックス、ゴーストグルーピング、小さなカーディナリティ、時間的ブレークポイントなど、よくあるデータトラップをスキャンし、その結果を「だから何？」という問いに突きつけましょう。
デジタル和解クリーンアップされた詳細情報を使用して、テーブルの「合計」行を確認し、自由検証を使用して手動入力のエラーやデータの不一致を特定します。
レポート配信出力形式は、HTML（インラインSVGはオフラインで開くことが可能）、ネイティブExcel（グラフはデータとリンクされている）、または6ページのWord形式の報告書から選択できます。
チャート検証グラフが正確で色覚異常の方にも分かりやすいものであることを確認するため、SVGレンダリングにおいて、範囲外表示、重なり、遮蔽、二重軸による誤解を招く表示がないかチェックしてください。
独立した品質管理私たちは、作成プロセスに関与していない別の担当者を任命し、元のデータを再計算させ、特に結論の信頼性を検証させました。

WeChatでフォローして「オープンソース「、参加するAIオープンソースプロジェクトに関するディスカッショングループ

huashu-excel の使い方

スキルをインストール：走る npx skills add alchaincyf/huashu-excel あるいは、エージェントのスキルディレクトリに手動でクローンすることもできます。
パスを選択クロード・コード ~/.claude/skills/コーデックス／キミコード ~/.agents/skills/プロジェクトレベルでは、倉庫とともに移動させることができます。
自然言語呼び出し「この売上レポートの分析を手伝ってください」「この2つの数字は一致しません」「レポートの修正を手伝ってください」など、分かりやすく話してください。
オンデマンドトリガープロセス番号を尋ねて直接調べる。レポートを入手して8つの手順すべてを実行する。フォームクリーニングは物理的な検査とクリーニングのみが必要で、再生可能なスクリプトが付属している。
スクリプトは独立して使用できますエージェントなしで直接実行 profile_table.py（身体検査）verify_numbers.py（勘定照合）verify_visual.py（画像の検証）など

華舒エクセルのコアな利点

まず健康診断、次に計算openpyxlを使用して元のセル構造を読み込むことで、結合されたセルや混在した小計行などの潜在的な問題をpandasテーブルが生成される前に検出できるため、情報破損による誤判断を回避できます。
合計行チェックサムクリーンアップされた詳細情報を使用して、テーブルの「合計」行をチェックし、元のテーブル作成者が計算した真の値をフリーチェックサムに変換し、手動入力エラーを特定します。
独立した品質管理による解体作成プロセスに関与していない別の担当者に、元のデータを再計算させ、結論の信頼性を検証し、「内部精度は正しいが、会計年度全体としては誤差がある」という問題を解決するよう依頼しました。
計算が間違っている場合はエラーが発生します。行番号の保存、合計値の保存、相互照合といった複数のゲートを採用することで、AIデータ分析は「サイレントエラー」から「一致しない場合は納品しない」へと変革される。
チャートの正確性クリーブランドとマギルの知覚精度ステップ選択視覚コーディングに基づき、円グラフはカテゴリが3つを超える場合は却下され、棒グラフの軸は強制的に0から開始され、不完全なカテゴリの末尾には破線が描画されます。
クロスエージェント将軍特定のプラットフォームに限定されず、Claude Code、Cursor、Codex、OpenClaw、Hermesといったプラットフォームにインストールできます。また、純粋な標準ライブラリスクリプトはエージェントなしでも独立して実行可能です。
最小限のオフライン利用可能性コアとなる依存関係はopenpyxlのみで、pandas、プロットライブラリ、LibreOffice、インターネット接続は不要です。HTMLレポートはSVGとインラインで描画でき、オフラインで直接開くことができます。

huashu-excel のプロジェクトアドレス

GitHubリポジトリ：https://github.com/alchaincyf/huashu-excel

huashu-excelと類似の競合製品との比較

比較対象寸法	huashu-excel	Julius AI
製品形態	オープンソースのエージェントスキル（MITライセンス）は、Claude Code、Cursor、Codexなどのあらゆるプラットフォームにインストールできます。	クローズドソースのSaaS製品、ウェブベースのチャットインターフェース、アカウント登録が必要です。
データ読み取り	まず、openpyxlを使用して、分析用の元のセルデータを読み込み、結合されたセル、書式設定、および元のデータ型に関する情報を保持します。	アップロードされたファイルは直接解析されるため、結合されたセルが拡張され、書式情報が失われます。
エラー検出	この8段階のプロセスには複数のチェックポイントが設けられており、条件が一致しない場合は配送は行われず、エラーは事前に報告されます。	ダイアログストリームの出力に基づいて、計算エラーは通常、自動的に解決されるため、ユーザー自身が判断を下す必要がある。
和解メカニズム	クリーニングの詳細を使用してテーブルの「合計」行を確認し、元のテーブル作成者が計算した真の値をフリーチェックサムとして使用します。	組み込みのクロスバリデーションがない場合、全行は通常のデータ行として処理されます。
品質管理メカニズム	元のデータからデータを再計算し、特に結論を検証するために、別の担当者が任命された。	対話経路は一つだけで、独立した審査役は存在しない。
チャートガイドライン	エンコーディングは、クリーブランドとマギルの知覚精度ステップに従って選択され、棒グラフの軸は強制的に0から始まり、3を超えるクラスの円グラフは除外されます。	グラフは指示に基づいて生成されますが、誤解を招くような表示を防ぐための組み込みルールがないため、軸が途中で切れたり、二重軸になったりする可能性があります。
レポート出力	自己完結型のHTML（インラインSVG、オフラインでも開くことが可能）、ネイティブExcel（グラフはデータに合わせて移動）、および6ページのWord文書形式。	ウェブページに埋め込まれたグラフ、および静的画像/PDFのエクスポート、オフライン転送では、フォーマットが失われる可能性があります。
動作環境	これはopenpyxlのみに依存しており、完全にオフラインまたはイントラネット上で実行でき、エージェントなしでスクリプトを独立して実行できます。	インターネット接続が必要です。データは第三者のサーバーにアップロードする必要があります。
カスタマイズ性	オープンソースで変更可能なSKILL.md自体が方法論文書であり、そのプロセスはビジネスニーズに応じて調整可能です。	これはブラックボックスとして動作するため、ユーザーは基となる分析プロセスを変更することはできません。
コストモデル	完全無料、月額料金なし、利用制限なし	無料版は利用制限があり、プロ版は月額20ドルからとなっています。

huashu-excelの応用事例

日々の業務に関する朝の会議報告システムは毎日、バックエンドから前日の運用データを取得し、データのチェック、クリーニング、分析、照合のプロセスを自動的に完了させ、朝礼前に定義された範囲のデータ変動要因分析レポートを提出します。
販売実績の詳細なレビュー数百万行に及ぶ取引明細が失われた場合でも、新製品の不足や旧製品の損失といった構造的な問題を自動的に特定し、営業担当副社長に直接提出できるHTMLレポートを出力することができます。
財務予算執行状況レビュー地方自治体または企業の予算書を分析し、外部ベンチマークとの照合によって「内部的には正確だが、会計年度全体としては誤差がある」という落とし穴を特定し、委員会レベルでの説明を提供する。
人事部門における給与公平性診断この研究では、数万件の給与に関するアンケートを処理し、業界、学歴、勤続年数、都市といった要素を考慮に入れ、男女間の格差を算出し、「証明できることと証明できないこと」の分析上の境界を明確に示しました。
データクレンジングと監査引き継ぎ汚れたテーブルをクリーンアップし、再生可能で監査可能なpandasクリーニングスクリプトを提供します。各ステップで影響を受けた行数を記録するため、責任の所在を特定したり、後で再利用したりすることが容易になります。