AVA — скилл
AVA, скилл визуальной аналитики, отвечает на вопросы о CSV или базе проверяемыми запросами и графиком, а не текстом наугад.
- 1 632 ★ репозитория
- Последний коммит
- MIT
Расширенный доступ
Почему такой уровень
- Анализ данных идет через настроенную языковую модель, которой передается содержимое файлов и запросов к базе.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/antvis-avaОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Анализ данных идет через настроенную языковую модель, которой передается содержимое файлов и запросов к базе.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
AVA (AI-native Visual Analytics) — фреймворк на JavaScript для анализа данных на естественном языке, который автор сравнивает с PandasAI. Пакет `@antv/ava` подключает файлы и базы данных через единый интерфейс, строит ответ на вопрос и открывает для просмотра сам запрос и промежуточный результат, не только финальный вывод модели. Подбор типа визуализации идет от вопроса и структуры данных, а не задается заранее вручную. Для агентов есть отдельный скилл, устанавливаемый командой `npx skills add antvis/AVA`: он добавляет в агента возможность анализировать данные тем же способом, не переписывая промпт заново для каждого проекта. Библиотеку можно использовать и напрямую из CLI, без скилла, если нужен только программный доступ.
Для кого. Разработчикам и аналитикам, которым нужен проверяемый ответ на вопрос о данных с графиком, а не только текст от модели.
Подходит, если
- Вопрос о CSV или базе данных должен превращаться в проверяемый запрос, а не в угаданный текстовый ответ.
- Тип графика нужно подбирать по вопросу и структуре данных, а не задавать заранее вручную.
- Файлы и базы данных должны подключаться через единый интерфейс без отдельного кода на каждый источник.
- Агент должен получить анализ данных как готовый скилл, без переписывания промпта для каждого проекта.
Не подходит, если
- Нужна аналитика на Python-стеке: AVA написан на JavaScript и ориентирован на JS-приложения и агентов.
- Важна ручная настройка каждого графика без автоматического подбора типа визуализации.
- Доступ к модели для анализа не настроен: без него скилл и библиотека не дадут содержательного ответа.
Пример запроса к агенту
Загрузи этот CSV с продажами и покажи, какой регион дает больше всего выручки по месяцам, с графиком.Ограничения
AVA написан на JavaScript и ориентирован на JS-приложения и агентов, а не на Python-стек анализа данных. Для ответа на вопрос нужен настроенный доступ к модели: без него и скилл, и прямой вызов библиотеки не строят содержательный запрос. Проверяемость ответа означает, что запрос и промежуточный результат доступны для просмотра, но не заменяют проверку самим человеком перед использованием цифр в отчете. Установка скилла через `npx skills add antvis/AVA` требует отдельного агента, поддерживающего этот формат установки скиллов.
Как отключить. Удалите скилл из каталога скиллов агента, либо удалите пакет `@antv/ava` из зависимостей проекта (`npm uninstall @antv/ava`).
Частые вопросы
Как установить AVA как скилл агента?
Выполните `npx skills add antvis/AVA` и следуйте инструкциям установки из руководства по скиллу агента.
Можно ли увидеть, как построен ответ?
Да, можно посмотреть сам запрос и промежуточный результат, а не только финальный текстовый или графический вывод.
Подходит ли AVA для Python-проектов?
Нет, библиотека написана на JavaScript и ориентирована на JS-приложения и агентов.
Нужно ли задавать тип графика вручную?
Нет, тип визуализации подбирается автоматически по вопросу и структуре данных.
Можно ли использовать библиотеку без скилла?
Да, установите `npm install @antv/ava@4` и вызывайте библиотеку напрямую из кода, если скилл для вашего агента не нужен.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыAntV Chart Visualization Skills
chart-visualization-skills
Скиллы визуализации данных от AntV: подбор типа графика и построение. Репозиторий принимает только AI-код. CLI antv
Команда агентов для анализа данных ведет таблицу от сырых строк до обученной модели и сама проверяет свои выводы.
Шаблон для аналитиков данных: AGENTS.md, CLAUDE.md и набор скиллов по Python, SQL, Polars и диагностике моделей.
Официальные скиллы Weaviate: поиск по векторной базе, импорт данных и готовые схемы RAG-приложений для Claude Code и Cursor
BI как код: дашборды в YAML, семантический слой и локальный MCP-сервер, через который агент черновит графики.
Скилл Zvec ведет агента по встроенной векторной базе: схема коллекции, гибридный поиск, RAG и мультимодальные запросы
Коротко о README
Автор приводит в пример приложение Sive, построенное на AVA, как рабочий образец того, как выглядит готовое приложение анализа данных на этом фреймворке.