SkillsAdd

smithery.ai

dara-dataset-expert

Warehouse-Prozess-Analyse mit 207 Labels, 47 Prozessen, 8 Szenarien, 13 Triggern. v7.1 fuehrt P0 als formale Phase, phase_protocol-Artefakte, scenario_trace, Hybrid Governance und kompakte Handover-Regeln ein.

First seen Apr 19, 2026

Installation

$ npx skills add https://smithery.ai
View on skills.sh ↗ Website ↗

Similar popular skills

Related neighbors and high-traction skills in the same topics — useful to compare before installing.

langsmith-dataset Similar name
langchain-ai/langsmith-skills

INVOKE THIS SKILL when creating evaluation datasets, uploading datasets to LangSmith, or managi…

4.1K installs
huggingface-datasets Similar name
huggingface/skills

Use this skill for Hugging Face Dataset Viewer API workflows that fetch subset/split metadata, …

1.9K installs
tao-convert-dataset-format Similar name
nvidia/skills

Run `tao-daft convert` to convert NVIDIA TAO DAFT datasets between supported formats. Do not us…

1.6K installs
tao-validate-dataset-format Similar name
nvidia/skills

Run `tao-daft validate` to check NVIDIA TAO DAFT datasets for structure, schema, and cross-refe…

1.5K installs
arize-dataset Similar name
github/awesome-copilot

Creates, manages, and queries Arize datasets and examples.

1.1K installs
arize-dataset Similar name
arize-ai/arize-skills

Creates, manages, and queries Arize datasets and examples.

2.5K installs

Also in this package

Other skills from smithery.ai · top by installs.

npx skills add https://smithery.ai
smithery-ai-cli 7.8K frontend-design 6.2K skill-creator 2.5K ck:ui-ux-pro-max 1.3K pdf 1.2K xlsx 966 pptx 894 docx 884 webapp-testing 1 web-design-reviewer 657

Browse all from smithery.ai

More details

Agent compatibility

Declared targets from SKILL.md / docs. Unmarked agents are not listed — the skill may still install via the CLI.

Claude Code Not declared
Cursor Not declared
Codex Not declared
GitHub Copilot Not declared
Windsurf Not declared
Gemini CLI Not declared
Cline Not declared
OpenCode Not declared

Skill metadata

Parsed from SKILL.md frontmatter.

Version7.1.0

Package contents

Files included with this skill beyond the listing page.

  • skill md SKILL.md 5,765 B
  • docs SUMMARY.md 288 B

History

  1. First seen on skills.sh
  2. First recorded snapshot · 1 installs

SKILL.md

DaRa Dataset Expert Skill - v7.1

Zweck

Praezise, quellengebundene Analyse des DaRa-Datensatzes fuer manuelle Warehouse-Prozesse mit harter Trennung zwischen:

  • contracts/: Governance, MRP, PAC, Routing, Artefaktvertraege
  • knowledge/: fachliche Quelle der Wahrheit
  • scripts/: kanonische Ausfuehrungslogik
  • templates/: Berichtsvorlagen fuer Phase 5
  • schemas/: formale Artefakt- und Protokollschemas
  • compat/: Aliaslayer fuer alte Pfade

Oberste Regeln

  1. Nutze fuer Ausfuehrung ausschliesslich scripts/, nicht Markdown-Code aus

knowledge/processes/*.md.

  1. Nutze knowledge/ als fachliche Quelle der Wahrheit, wenn Code und Text

konfligieren.

  1. Arbeite in P0-P5 und P2b immer fuer genau einen vom Nutzer genannten subject_id.
  2. Vergleiche ueber mehrere Probanden erfolgen erst nach P5 oder in expliziten

Vergleichsartefakten.

  1. Lade in P5 genau ein Report-Template, ausser der Nutzer fordert explizit

kombinierte Ausgaben.

  1. Gib keine framebasierten Vollartefakte an das LLM weiter. Nutze Protokolle,

Pfade, Hashes und Summaries.

MRP - Mandatory Read Protocol

Lies in dieser Reihenfolge:

  1. contracts/reading_protocol.md
  2. contracts/routing_matrix.md
  3. contracts/artifact_contracts.md
  4. contracts/response_protocol.md

Danach:

  • fuer Fachfragen: passende Datei aus knowledge/
  • fuer Ausfuehrung: passendes Skript aus scripts/
  • fuer Berichte: knowledge/processes/phase5_report.md plus genau ein Template

Eine Datei gilt nur als vollstaendig gelesen, wenn sie bis zum Dateiende eingelesen wurde und vorhandene VERIFICATION_TOKENs extrahiert wurden.

Phasenlogik

  • P0: Annotation Bundle und Protokollbildung aus den 12 Roh-CSV-Dateien

mit normalized.duckdb und frame_records.parquet als kanonischer Basis

  • P1: Szenarioerkennung, erzeugt p1scenariotrace und p1phaseprotocol
  • P2: REFA-/DaRa-Zeitanalyse, erzeugt p2refaanalysis und

p2phaseprotocol

  • P2b: REFA-Ablaufanalyse (v0.3.0), erzeugt

p2brefaablaufanalyse und p2bphaseprotocol

  • P3: MTM bleibt contract-only und wissensbasiert
  • P4: Process-Validierung, erzeugt Validierungsartefakt und p4phaseprotocol
  • P5: Berichtserstellung, nutzt Protokolle zuerst und Templates genau einmal

Kanonische Pfade

Prozesse

  • knowledge/processes/phase1scenariorecognition.md
  • knowledge/processes/phase2refaanalysis.md
  • knowledge/processes/phase2brefaablaufanalyse.md
  • knowledge/processes/phase3mtmanalysis.md
  • knowledge/processes/phase4bpmnvalidation.md
  • knowledge/processes/phase5_report.md
  • knowledge/processes/referencebpmnflows.md

Kernwissen

  • knowledge/core/reference_labels.md
  • knowledge/core/referenceactivationrules.md
  • knowledge/core/referencevalidationrules.md
  • knowledge/core/reference_dataset.md
  • knowledge/core/reference_warehouse.md
  • knowledge/core/reference_articles.md

Methoden

  • knowledge/methods/reference_chunking.md
  • knowledge/methods/refaphase2manualorderpicking.md

Templates

  • templates/scenario_report.md
  • templates/phase2refaeinzelreport.md
  • templates/process_report.md
  • templates/sessioncomparisonreport.md

Skripte

  • scripts/common/annotation_bundle.py
  • scripts/phase1/scenario_recognition.py
  • scripts/phase2/refa_analysis.py
  • scripts/phase2b/refa_ablaufanalyse.py
  • scripts/phase4/process_validation.py
  • scripts/phase5/rendersubjectreport.py
  • scripts/session/rendermultisession_comparison.py

Schemas

  • schemas/p0framerecords.schema.json
  • schemas/p0phaseprotocol.schema.json
  • schemas/p1scenariotrace.schema.json
  • schemas/p1phaseprotocol.schema.json
  • schemas/p2phaseprotocol.schema.json
  • schemas/p2refaanalysis.schema.json
  • schemas/p2brefaablaufanalyse.schema.json
  • schemas/p2bphaseprotocol.schema.json
  • schemas/p3phaseprotocol.schema.json
  • schemas/p4phaseprotocol.schema.json
  • schemas/p5reportmeta.schema.json

Protokoll-First Regel

Fuer Folgephasen, Review und LLM-Handover gelten:

  • benutze phase_protocol-Artefakte zuerst
  • nutze Maschinenartefakte nur fuer deterministische Berechnung oder tiefe

Detaildarstellung

  • uebergib niemals framebasierte Vollartefakte inline
  • nutze in Folgephasen primaer normalized.duckdb oder frame_records.parquet,

nicht grosses P0-JSON

Template-Regel

P2 und P2b bleiben template-frei. Eine Anfrage nach probandenweisem Zeitaufnahme-/REFA-Bericht ist eine P5-Berichtsanfrage mit templates/phase2refaeinzelreport.md.

Sessionuebergreifende oder mehrprobandige Sammelreports laufen post-run ueber scripts/session/rendermultisession_comparison.py und greifen auf bereits vorliegende Session-Summaries/Protokolle zu.

Governance-Erweiterungen

  • PAC bleibt vor jeder Fachantwort Pflicht.
  • VERIFICATION_TOKENs werden aus geladenen Referenzen dokumentiert.
  • comparison_core wird pro Phase budgetiert und spaeter fuer

Mehr-Probanden-Vergleiche verwendet.

  • metadata.duckdb ist die kanonische lokale Metadatenbasis fuer

artifactregistry, comparisoncores und eval_runs.

  • MongoDB ist optionale Zusatzintegration, aber kein Release-Gate und nicht

primaerer Frame- oder Rohdatenspeicher.

Antwortformat

  • Deklariere geladene kanonische Dateien.
  • Belege Aussagen mit Datei und Abschnitt.
  • Stoppe, wenn Information oder Eingabe fehlt.
  • Fuehre Berechnungen nur mit dokumentierten Inputs und Skripten aus.