> Data Analysis _

UniProt-database предоставляет доступ к обширной базе данных белковых последовательностей и функциональной информации, решая проблему эффективного поиска и анализа данных о белках для исследовательских целей. Это open-source решение, позволяющее исследователям быстро извлекать необходимую информацию и интегрировать ее в свои рабочие процессы. Используя Python и REST API, модуль обеспечивает гибкость и масштабируемость для решения сложных задач биоинформатики. Инструмент разработчика UniProt-database поддерживает поиск белков по различным критериям (название, ген, accession), извлечение последовательностей в формате FASTA и сопоставление идентификаторов между базами данных. Функциональность включает в себя доступ к аннотациям Swiss-Prot/TrEMBL, а также возможность работы с данными, прошедшими и не прошедшими рецензирование. Поддерживается потоковая передача больших наборов данных для эффективной обработки. Модуль обеспечивает возможности автоматизации для регулярного обновления данных и интеграции с другими биоинформатическими инструментами. Использование UniProt в сочетании с Bioinformatics и Scientific Computing позволяет создавать сложные запросы и анализировать большие объемы данных, что существенно упрощает исследовательский процесс.

Seaborn – это open-source решение для визуализации данных на основе Python, позволяющее создавать статистические графики профессионального качества. Библиотека значительно упрощает анализ многомерных данных и построение графиков, ориентированных на наборы данных, предоставляя удобный способ представления сложных взаимосвязей. Seaborn выступает в роли инструмента разработчика, тесно интегрированного с Matplotlib и Pandas. Он автоматизирует многие рутинные задачи, такие как статистическая оценка и выбор цветовых палитр, что позволяет сосредоточиться на интерпретации результатов, а не на деталях реализации графиков. Работа с DataFrames становится интуитивно понятной. Благодаря автоматизации процесса создания графиков, Seaborn позволяет быстро генерировать сложные многопанельные фигуры с минимальным объемом кода. Это обеспечивает эффективную визуализацию данных и упрощает процесс публикации результатов анализа.

Этот репозиторий предоставляет набор навыков для доступа и анализа данных геномики рака из cBioPortal, обеспечивая возможность исследования мутаций, анализа выживаемости и клинических ассоциаций. Реализация представляет собой open-source решение, позволяющее исследователям эффективно извлекать и обрабатывать большие объемы данных, представленных в cBioPortal. В основе работы лежит REST API cBioPortal, использующий библиотеки bravado и requests для взаимодействия. Предоставленные навыки позволяют автоматизировать рутинные задачи, такие как получение данных TCGA и других исследований рака, и интегрировать их в существующие рабочие процессы. Документация Swagger доступна по ссылке, что облегчает интеграцию для инструмента разработчика. Благодаря автоматизации процессов извлечения и анализа данных, этот репозиторий значительно ускоряет исследовательские работы, связанные с геномикой рака. Он предоставляет удобный интерфейс для работы с данными мутаций, изменений числа копий, экспрессии mRNA/белка и клинической информацией, собранной в cBioPortal.

Решение uspto-database предоставляет набор специализированных навыков для работы с данными Патентного ведомства США (USPTO) через их API. Это позволяет проводить углубленный анализ интеллектуальной собственности, включая поиск патентов и товарных знаков, а также извлечение истории экспертизы. Инструмент разработан для решения задач, связанных с интеллектуальной собственностью, и предоставляет возможности для автоматизации рутинных операций. В основе работы лежит Python, обеспечивающий удобный доступ к API USPTO. Функциональность включает поиск патентов по ключевым словам, изобретателям и владельцам, получение детальной информации о патентах (включая формулы, аннотации и цитирования), а также отслеживание изменений в статусе товарных знаков. Поддержка Elasticsearch оптимизирует поиск и анализ больших объемов данных. uspto-database – это полезный инструмент разработчика для автоматизации процессов интеллектуальной собственности, позволяющий проводить анализ портфелей патентов и товарных знаков, извлекать данные из системы PEDS и TSDR. Предлагаемое open-source решение может быть интегрировано в существующие рабочие процессы и расширено для удовлетворения специфических потребностей.

Решение omero-integration предоставляет набор навыков для взаимодействия с платформой OMERO, обеспечивая программный доступ к микроскопическим изображениям, метаданным и инструментам анализа. Это позволяет автоматизировать рутинные задачи и значительно повысить эффективность научных исследований, особенно в области биоинформатики и анализа данных. omero-integration – это open-source решение, представляющее собой инструмент разработчика для работы с OMERO API (omero-py). Он упрощает подключение к серверу, управление сессиями, получение данных, включая наборы данных, проекты и результаты скрининга, а также управление регионами интереса (ROI) и аннотациями. Использование omero-integration позволяет реализовать автоматизацию процессов, таких как анализ пикселей, создание производных изображений, добавление метаданных и сохранение результатов измерений в таблицы OMERO, что критически важно для высокопроизводительного скрининга и комплексных микроскопических рабочих процессов.

Решение HMDB-database предоставляет исчерпывающую информацию о метаболитах человека, существенно упрощая исследования в области метаболомики, поиск биомаркеров и идентификацию метаболитов. Это ценный инструмент разработчика для специалистов, занимающихся анализом метаболических путей и разработкой новых диагностических методов. В базе данных содержится более 220 945 записей о метаболитах, включая химические свойства, клинические данные, биологическую информацию и спектральные данные (NMR, MS, MS-MS). Интеграция с внешними базами данных, такими как KEGG и PubChem, обеспечивает комплексный подход к анализу. HMDB-database предлагает open-source решение для автоматизации обработки метаболических данных, используя Python и другие современные технологии. Возможность поиска на основе структуры (ChemQuery) значительно повышает эффективность исследований и позволяет быстро находить необходимые данные.

Vaex – это open-source решение для работы с табличными данными, значительно превышающими объем оперативной памяти. Библиотека позволяет эффективно анализировать и визуализировать огромные наборы данных, обеспечивая интерактивную работу даже с терабайтами информации благодаря ленивым вычислениям и виртуальным столбцам. Vaex предоставляет инструмент разработчика для создания производных столбцов "на лету" без необходимости физического хранения, что существенно снижает потребление памяти. Поддерживаются форматы данных, такие как HDF5, Arrow и Parquet, обеспечивая гибкость при работе с различными источниками данных и позволяя быстро конвертировать их. Благодаря быстрым статистическим агрегациям и возможностям визуализации, Vaex упрощает автоматизацию процессов анализа больших данных. Библиотека написана на Python и использует NumPy для повышения производительности, делая ее незаменимым инструментом для обработки масштабных наборов данных.

GeoPandas решает проблему анализа и обработки геопространственных данных, расширяя функциональность библиотеки pandas для работы с геометрическими типами и выполнения географических операций. Это open-source решение позволяет эффективно манипулировать данными, представленными в виде географических объектов, таких как точки, линии и полигоны. GeoPandas предоставляет инструмент разработчика для выполнения широкого спектра задач, включая пространственный анализ, визуализацию и преобразование данных. Он интегрируется с shapely, pyarrow и другими библиотеками, обеспечивая гибкость и производительность при работе с GeoJSON и другими форматами геоданных. Благодаря интеграции с pandas, GeoPandas обеспечивает автоматизацию рутинных операций, упрощая процессы обработки и анализа географической информации. Это позволяет быстро создавать, изменять и анализировать геопространственные данные, используя знакомый интерфейс Python.

PrimeKG решает проблему фрагментации научных данных, предоставляя интегрированную базу знаний для ускорения исследований в области разработки лекарств, поиска новых применений уже существующих препаратов и анализа фенотипов. Это open-source решение, позволяющее исследователям эффективно работать с большими объемами информации. PrimeKG – это инструмент разработчика, объединяющий более 20 основных баз данных и научную литературу, содержащий более 100 000 узлов и 4 миллионов связей, описывающих различные взаимоотношения, такие как взаимодействие лекарств и мишеней, заболеваний и генов. Функциональность включает поиск узлов, извлечение связанных сущностей и анализ контекста заболеваний. Автоматизация анализа данных – ключевая особенность PrimeKG. С помощью Python скриптов (например, query_primekg.py) можно программно получать доступ к данным, хранящимся в формате CSV, что упрощает интеграцию с другими bioinformatics и chemoinformatics системами.

deepTools – это open-source решение для обработки и анализа данных секвенирования нового поколения (NGS). Инструмент позволяет проводить контроль качества, нормализацию, сравнение образцов и визуализацию результатов для различных экспериментов, включая ChIP-seq, RNA-seq и ATAC-seq, значительно упрощая сложные аналитические задачи. deepTools предоставляет набор инструмент разработчика в виде командной строки, написанных на Python. Ключевые возможности включают преобразование данных из формата BAM в нормализованные треки покрытия (bigWig/bedGraph), оценку качества секвенирования, а также генерацию тепловых карт и профилей для визуализации данных вокруг геномных особенностей. Благодаря автоматизации рутинных операций, deepTools позволяет исследователям сосредоточиться на интерпретации результатов и углублении понимания биологических процессов. Инструмент поддерживает широкий спектр биоинформатических задач и обеспечивает воспроизводимость результатов NGS-анализа.

DrugBank-database предоставляет open-source решение для программного доступа и запросов к обширной базе данных DrugBank, охватывающей информацию о лекарственных препаратах и мишенях. Это позволяет проводить исследования в таких областях, как поиск новых лекарств и биоинформатика, значительно упрощая работу с большими объемами данных. Предлагаемый инструмент разработчика включает в себя функциональность для загрузки и аутентификации, а также эффективного парсинга XML данных DrugBank с использованием Python. Поддерживается работа с различными версиями базы данных и кэширование для оптимизации производительности, обеспечивая удобный и надежный доступ к информации о ~9,591 препаратах и более чем 200 полям данных на каждый препарат. Автоматизация получения и обработки данных DrugBank позволяет существенно сократить время и усилия, затрачиваемые на ручную обработку. Включает в себя возможности безопасного управления учетными данными и загрузки конкретных или последних версий базы данных, что способствует повышению эффективности исследовательских проектов в области биоинформатики и cheminformatics.

Решение metabolomics-workbench-database предоставляет набор инструментов для взаимодействия с платформой Metabolomics Workbench, централизованным хранилищем данных метаболомических исследований. Оно позволяет исследователям программно получать доступ к более чем 4200 обработанных исследований, стандартизированной номенклатуре метаболитов (RefMet) и результатам поиска по различным аналитическим платформам, таким как GC-MS, LC-MS и NMR. Этот репозиторий предлагает open-source решение для автоматизации получения данных и метаданных из Metabolomics Workbench. Используя Python и REST API, он упрощает доступ к информации о структуре метаболитов, данным исследований и стандартизации номенклатуры, что значительно экономит время и ресурсы. Формат данных – JSON. Инструмент разработчика позволяет создавать собственные приложения и скрипты для интеграции данных Metabolomics Workbench в существующие bioinformatics пайплайны. Функциональность включает в себя запросы метаболитов, доступ к данным исследований и стандартизацию номенклатуры, обеспечивая эффективную автоматизацию рабочих процессов.

Преодолейте сложности сбора и анализа статистических данных с помощью datacommons-client – open-source решение для взаимодействия с Data Commons API. Этот инструмент разработчика предоставляет удобный интерфейс для запроса и обработки информации из множества авторитетных источников, включая данные переписи населения, организации здравоохранения и экологические агентства, объединенные в единую базу знаний. Datacommons-client позволяет выполнять сложные запросы к статистическим данным, исследовать графы знаний и разрешать идентификаторы сущностей. Поддержка Python и Pandas упрощает интеграцию с существующими рабочими процессами и позволяет эффективно работать с большими объемами данных, предоставляя возможность автоматизации рутинных задач. Библиотека предоставляет доступ к трем основным конечным точкам API: Observation (запросы статистических данных), Knowledge Graph (исследование графа знаний) и Entity Resolution (разрешение идентификаторов сущностей). Подробная документация и примеры использования доступны в справочных файлах, что значительно ускоряет разработку и внедрение.

Data-analyzer – это open-source решение для быстрого и эффективного анализа данных. Он позволяет выявлять закономерности, аномалии и ключевые тенденции, предоставляя статистические выводы для принятия обоснованных решений. Инструмент автоматизирует рутинные задачи, освобождая время для более глубокого изучения результатов. В основе работы лежит Python, а также технологии глубокого обучения, обработки естественного языка и больших языковых моделей. Инструмент разработчика обеспечивает удобную загрузку и инспекцию данных, вычисление базовой статистики (среднее, медиана, стандартное отклонение, минимум, максимум) и структурированную отчетность. Автоматизация процесса анализа данных, включая обработку пропущенных значений и валидацию типов данных, значительно повышает эффективность работы. Результаты представляются в четкой и понятной структуре, включающей обзор данных, ключевые статистические показатели и выводы, с указанием уровней достоверности.

pdf-reader – это CLI-инструмент, предназначенный для извлечения текстового содержимого из PDF-документов. Решение эффективно справляется с задачами обработки больших объемов информации, предоставляя пользователю возможность быстро получать доступ к ключевым данным без необходимости использования графического интерфейса. Особенно полезно для автоматизации процессов и интеграции с другими командной строки-ориентированными инструментами. Утилита предоставляет функциональность, основанную на терминальной утилите, позволяющую пользователям выполнять пакетную обработку PDF-файлов и извлекать информацию с высокой точностью. Поддерживаются различные форматы вывода, включая Markdown и CSV, что обеспечивает гибкость в дальнейшей обработке и анализе данных. pdf-reader – это надежный CLI-инструмент для разработчиков и системных администраторов, которым требуется автоматизированное извлечение данных из PDF-документов в рамках скриптов и рабочих процессов. Простота использования и мощные возможности делают его незаменимым помощником в решении широкого спектра задач.

Специалист по анализу данных помогает компаниям принимать обоснованные решения, превращая необработанные данные в ценные инсайты. Мы разрабатываем и внедряем стратегии аналитики, выявляем тенденции, закономерности и аномалии, необходимые для оптимизации бизнес-процессов и достижения поставленных целей. Наши услуги включают в себя все этапы работы с данными: от первичного анализа данных и очистки до построения интерактивных визуализаций данных. Используя такие инструменты, как Python (включая библиотеки Pandas, Matplotlib и Seaborn) и SQL, мы обеспечиваем точность и эффективность получаемых результатов. Мы предоставляем четкие и понятные отчеты, основанные на данных, позволяющие нетехническим специалистам легко понимать и использовать полученные выводы. Наша задача – сделать аналитику доступной и полезной для всех уровней организации, способствуя росту и развитию бизнеса.

Решение проблемы поиска актуальной и достоверной информации в сети – ключевая задача web-search. Этот проект представляет собой открытую операционную систему для AI-агента, предназначенную для веб-поиска и исследований, с акцентом на точность, указание источников и синтез информации. Использование большой языковой модели позволяет оптимизировать запросы и эффективно обрабатывать результаты. Функциональность web-search включает автоматическое цитирование источников с указанием URL, приоритет первичных источников (официальная документация, научные работы) и представление конфликтующих данных с указанием расхождений. В основе работы лежит искусственный интеллект, обеспечивающий оптимизацию поисковых запросов и критическую оценку найденных ресурсов. Разработанный на базе Rust и Agent Framework с использованием OpenClaw и MCP, web-search предоставляет надежный и гибкий инструмент для исследователей и специалистов, нуждающихся в быстром и точном получении информации из сети.

Проект "predictor-hand-skill" предлагает open-source решение для повышения точности прогнозирования и улучшения качества принятия решений. Он разработан для создания системы управления агентами, основанной на принципах суперпрогнозирования, что позволяет эффективно анализировать сложные задачи и выявлять скрытые закономерности. Это мощный инструмент разработчика для тех, кто стремится к более обоснованным и точным прогнозам. В основе системы лежит реализация ключевых принципов суперпрогнозирования, таких как триаж, разбиение проблем на подзадачи, баланс внутренних и внешних оценок, и постепенное обновление прогнозов. Используется таксономия сигналов для оценки надежности и релевантности информации, а также Agent Framework для организации и координации работы агентов. Технологический стек включает Rust, AI Agents, LLM и OpenClaw. "predictor-hand-skill" обеспечивает автоматизацию процессов прогнозирования и анализа данных, предоставляя платформу для экспериментов и разработки новых подходов к предсказанию. Система позволяет строить более надежные прогнозы, основанные на принципах байесовского обновления и учитывающие различные факторы, влияющие на исход событий.

Проект 'collector-hand-skill' решает задачу автоматизации сбора, обработки и анализа данных для разведывательных целей. Это open-source решение, предоставляющее основу для создания агентов, способных самостоятельно выполнять циклы сбора информации из различных источников, значительно повышая эффективность и скорость получения необходимой информации. Функциональность включает в себя автоматизированный цикл сбора данных и систему ранжирования источников по уровню надежности. 'collector-hand-skill' предлагает инструмент разработчика для построения сложных поисковых запросов, оптимизированных для сбора разведывательной информации. Используя Rust, LLM и AI Agents в сочетании с технологиями MCP и OpenClaw, платформа обеспечивает гибкость и масштабируемость для адаптации к различным сценариям сбора данных. Ключевой особенностью является возможность автоматического формирования запросов на основе заданных параметров и целей. Система позволяет значительно сократить время, затрачиваемое на рутинные операции, благодаря автоматизации процессов сбора и первичной обработки данных. Это позволяет аналитикам сосредоточиться на более глубоком анализе и выявлении скрытых закономерностей, повышая общую эффективность разведывательной деятельности. Поддерживается иерархическая система оценки надежности источников информации.

last30days – это open-source решение для быстрого анализа текущих трендов и обсуждений в сети. Инструмент позволяет исследователям и инструменту разработчика отслеживать динамику интересующих тем на различных платформах, таких как Reddit, X, YouTube и других, предоставляя сводную информацию о последних событиях и мнениях. Ключевая особенность – возможность автоматизации сбора и синтеза данных. last30days использует Python, web scraping и интеграцию с API для извлечения информации, а также LLM для формирования кратких и содержательных обзоров. Поддерживается парсинг пользовательского запроса для более точной настройки исследования. Функционал включает кросс-платформенный поиск, анализ намерений пользователя и генерацию сводок. Опционально, результаты могут сохраняться локально. Использование учетных данных для доступа к некоторым платформам (X/Twitter, Bluesky, Truth Social) является необязательным и требует настройки переменных окружения.

Эффективный поиск ошибок и оперативное приобретение электронных компонентов – ключевые факторы успеха в разработке. electronics-sourcing предоставляет структурированный рабочий процесс и набор инструментов для поиска, сравнения цен, проверки доступности и подбора альтернатив электронных компонентов, значительно упрощая процесс закупки. Инструмент разработчика помогает оптимизировать логистику и снизить риски, связанные с нехваткой комплектующих. В основе функциональности лежит последовательность действий: от первичного поиска по ключевым словам или номеру детали до анализа цен и доступности, и, при необходимости, выбора альтернативных вариантов. Использование инструмента разработчика позволяет быстро находить оптимальные решения, учитывая конкретные параметры и требования проекта. Особое внимание уделяется работе с параметрами компонентов для более точного поиска. electronics-sourcing использует Python, обработку естественного языка и интеграцию с API для предоставления удобного и эффективного решения. Функциональность включает в себя автоматизированную отладку кода для проверки корректности запросов и предоставления пользователю наиболее релевантных результатов. Система позволяет быстро адаптироваться к изменяющимся условиям рынка и оптимизировать процесс снабжения.

Vision-Analysis предоставляет удобный плагин для IDE и расширение редактора кода, позволяющее интегрировать мощный инструмент анализа изображений MiniMax непосредственно в ваш процесс инструмент разработки. Решение автоматизирует анализ изображений, используя MiniMax API и MCP (MiniMax_understand_image), значительно ускоряя разработку и повышая продуктивность. Для работы требуется подписка на MiniMax Token Plan и настроенный MCP. Инструкции по настройке MCP доступны по ссылке [https://platform.minimaxi.com/docs/token-plan/mcp-guide](https://platform.minimaxi.com/docs/token-plan/mcp-guide). Поддерживаются различные среды разработки, включая OpenCode, Cursor и Claude Code, с автоматической генерацией необходимых команд для интеграции. Настройка включает в себя добавление конфигурации в файлы JSON или выполнение команд Bash для указания ключа API (MINIMAX_API_KEY) и хоста API (MINIMAX_API_HOST). Использование uvx обеспечивает бесшовную работу с MiniMax API и упрощает процесс анализа изображений.

Agent Harness – это платформа бизнес-аналитики, предоставляющая инструменты для самообслуживания и оптимизации рабочих процессов команд, занимающихся анализом данных. Она позволяет ускорить принятие решений на основе данных, обеспечивая эффективное управление ресурсами и изолированные среды разработки. Платформа использует TypeScript, Vite, Node.js, PostgreSQL и PM2 для обеспечения стабильной и масштабируемой работы. Ключевые особенности включают в себя изолированные среды разработки, детерминированное назначение портов и управление ресурсами на основе идентификатора агента (Agent ID). Это способствует более глубокой визуализации данных и повышает производительность. Определение Agent ID критически важно для доступа к портам и ресурсам. Используйте команду ls -la .env.agent.* или проверьте процессы PM2 для получения идентификатора, что позволяет быстро приступить к работе с инструментами аналитики и начать эффективный анализ.

Автоматизируйте трудоемкий процесс поиска идей для машиностроения. Искусственный интеллект и большая языковая модель лежат в основе решения, позволяя быстро проводить анализ литературы, генерировать инновационные концепции и проверять их на новизну, экономя ценное время специалистов. AI-агент "idea-discovery-robot" представляет собой специализированный инструмент, предназначенный для автоматизации исследовательского процесса в области робототехники. Он объединяет несколько навыков, основанных на LLM, для систематического поиска и оценки идей, учитывая специфические ограничения и требования, характерные для данной отрасли. Техническая реализация включает в себя цепочку навыков, таких как анализ литературы, генерация идей с учетом специфики робототехники, проверка на новизну и критический анализ результатов. Поддерживается интеграция с различными LLM (Claude, Codex, OpenClaw) и Python для гибкой настройки и расширения функциональности.

geo-brand-mentions – это решение для оптимизации видимости веб-сайта в поисковых системах на основе анализа упоминаний бренда. Инструмент позволяет выявлять и оценивать значимость упоминаний, учитывая их влияние на AI-видимость, что существенно превосходит традиционные показатели, такие как обратные ссылки. Работа с данными осуществляется через командную строку, обеспечивая гибкость и автоматизацию процессов. Решение включает в себя комплексный анализ, включающий оценку цитируемости, анализ с помощью AI-краулера, оценку авторитетности бренда и оптимизацию с учетом специфики различных платформ. Это терминальная утилита, предоставляющая детальные PDF-отчеты с практическими рекомендациями по улучшению SEO. geo-brand-mentions – это мощный CLI-инструмент, позволяющий специалистам по SEO и владельцам бизнеса эффективно управлять репутацией бренда и повышать его позиции в результатах поиска, особенно в условиях растущей значимости AI-поиска.

common-fetcher – это CLI-инструмент, предназначенный для автоматизированного сбора и обработки данных из различных источников, таких как RSS-ленты и API. Он решает проблему ручного мониторинга и обновления информации, позволяя пользователям создавать автоматизированные процессы для получения актуальных данных. Инструмент особенно полезен для тех, кто нуждается в регулярном сборе информации для анализа или дальнейшей обработки. Работает как терминальная утилита, предоставляя гибкие возможности настройки через командную строку. Это позволяет создавать сложные сценарии сбора данных, фильтрации и преобразования информации в соответствии с конкретными потребностями. Поддерживается широкий спектр форматов данных, что обеспечивает универсальность инструмента для различных задач. common-fetcher – это надежный CLI-инструмент для автоматизации процессов сбора данных, обеспечивающий эффективное решение задач мониторинга и обновления информации. Он предоставляет мощные возможности для работы с данными прямо из терминала, что делает его незаменимым помощником для специалистов, работающих с большими объемами информации. common-fetcher – это CLI-инструмент, предназначенный для автоматизированного сбора и обработки данных из различных источников, таких как RSS-ленты и API. Он решает проблему ручного мониторинга и обновления информации, позволяя пользователям создавать автоматизированные процессы для получения актуальных данных. Инструмент особенно полезен для тех, кто нуждается в регулярном сборе информации для анализа или дальнейшей обработки. Работает как терминальная утилита, предоставляя гибкие возможности настройки через командную строку. Это позволяет создавать сложные сценарии сбора данных, фильтрации и преобразования информации в соответствии с конкретными потребностями. Поддерживается широкий спектр форматов данных, что обеспечивает универсальность инструмента для различных задач. common-fetcher – это надежный CLI-инструмент для автоматизации процессов сбора данных, обеспечивающий эффективное решение задач мониторинга и обновления информации. Он предоставляет мощные возможности для работы с данными прямо из терминала, что делает его незамени

Используйте эту функцию, когда пользователь хочет создавать визуализации (диаграммы, панели мониторинга, схемы, диаграммы Ганта, презентации), анализировать данные (загрузка файлов Excel/CSV, анализ между файлами, тренды, выбросы) или генерировать отчеты. Также используйте, когда пользователь упоминает ChartGen или загружает файлы электронных таблиц.

Используйте эту функцию, когда пользователь хочет создавать визуализации (графики, панели мониторинга, диаграммы, диаграммы Ганта, презентации), анализировать данные (загрузка файлов Excel/CSV, анализ между файлами, тренды, выбросы) или генерировать отчеты. Также используйте, когда пользователь упоминает ChartGen или загружает файлы электронных таблиц.

Генерируйте интерактивные веб-страницы (панели мониторинга, графики, таблицы, отчеты) и предоставляйте их через общедоступный URL. Используйте эту функцию, когда пользователь явно запрашивает визуализацию данных, панели мониторинга, аналитические отчеты, сравнительные таблицы, страницы состояния или веб-контент. Также срабатывает по следующим запросам: "нарисуй мне график", "создай панель мониторинга", "покажи мне таблицу", "сгенерируй отчет", "визуализируй эти данные", "отрендерируй это как страницу", "опубликуй страницу", "claw2ui". Если ответ может быть улучшен с помощью графиков, сортируемых таблиц или богатой компоновки, **предложите** использовать Claw2UI и дождитесь подтверждения пользователя, прежде чем публиковать. Китайские запросы: "做个仪表盘" (создай панель мониторинга), "画个图表" (нарисуй график), "做个报表" (создай отчет), "生成一个页面" (сгенерируй страницу), "做个dashboard" (создай dashboard), "数据可视化" (визуализация данных), "做个网页" (создай веб-страницу), "展示数据" (покажи данные), "做个表格" (создай таблицу), "做个图" (создай рисунок), "发布一个页面" (опубликуй страницу), "做个看板" (создай доску). Дополнительные английские запросы: "create a webpage", "show analytics", "build a status page", "make a chart", "data overview", "show me stats", "create a board", "render a page", "comparison chart", "trend analysis",

cf-crawl – это CLI-инструмент, предназначенный для обхода веб-сайтов с использованием Cloudflare Browser Rendering API. Он решает проблему получения структурированного контента с сайтов, использующих JavaScript и динамическую загрузку, позволяя извлекать данные в удобных форматах. Инструмент особенно полезен для анализа и извлечения информации из современных веб-приложений. Работает на основе Bash и использует Clawhub API и Cloudflare API для асинхронного обхода и рендеринга страниц. Предоставляет широкие возможности настройки, включая ограничение глубины обхода и выбор формата вывода: markdown, HTML или JSON. Управление заданиями осуществляется через командную строку, что обеспечивает гибкость и автоматизацию процессов. Для запуска и управления заданиями используется терминальная утилита с простым синтаксисом. Необходимые учетные данные Cloudflare хранятся в файле конфигурации, что упрощает настройку и обеспечивает безопасность. CLI-инструмент позволяет как запустить задание и отслеживать его статус, так и получить результаты в выбранном формате.