什么是 结构化数据？

结构化数据技能是一款专门设计的实用工具，旨在弥合 AI 驱动工作流中原始数据格式与可操作洞察之间的差距。通过提供用于 CSV 操作和 SVG 图表生成的高级工具，它允许智能体处理商业智能和报告中常见的复杂数据转换任务。无论您是处理杂乱的 CSV 导出，还是需要以视觉方式呈现数据，这一 Openclaw Skills 的补充都能确保您的智能体以技术精度处理并展示信息。

此技能对于需要自动化从原始数据摄取到精美视觉输出流程的开发人员特别有价值。它处理数据解析的细节（如自动检测分隔符和管理带引号的字段），同时提供创建多系列图表的灵活性。通过集成这些功能，Openclaw Skills 为构建数据密集型应用和自动化报告系统提供了坚实的基础。

下载入口:https://github.com/openclaw/skills/tree/main/skills/paulgnz/xpr-structured-data

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

结构化数据 应用场景

• 将旧有的 CSV 导出转换为 JSON 数组，以便进行程序化分析和转换。
• 生成动态柱状图、折线图和饼图，以在自动化报告中可视化数据趋势。
• 通过将 JSON 结果转换为标准 CSV 文件来准备交付数据，以兼容电子表格。
• 使用生成的 Base64 数据 URI 将视觉图表直接嵌入到 Markdown 或 PDF 文档中。
• 在将结构化数据集传递给其他处理智能体之前进行清洗和重格式化。

1. 向 parse_csv 工具提供原始 CSV 文本，该工具会自动识别分隔符并返回结构化的 JSON 数组。
2. 利用 JSON 数据进行分析，或通过自定义逻辑将其处理为可视化数据。
3. 调用 generate_chart 工具，指定图表类型（柱状图、折线图或饼图）和系列标签。
4. 以原始 SVG 格式和 Base64 数据 URI 两种形式接收输出，以便立即嵌入。
5. 可选使用 json_to_csv 工具将最终处理后的数据导出回具有特定列顺序的 CSV 文件。

结构化数据 配置指南

要在您的 Openclaw Skills 环境中启用这些功能，请确保在智能体配置中正确引用了该技能。基本解析不需要外部繁重的依赖项。

# 智能体调用工具逻辑的示例
# 该技能通常作为标准数据实用程序套件的一部分提供

结构化数据 数据架构与分类体系

name: structured-data
description: CSV parsing, JSON-to-CSV conversion, and SVG chart generation

Structured Data

You have tools for working with structured data and creating visualizations:

CSV handling:

• parse_csv — parse CSV text into a JSON array of objects

  • Auto-detects delimiter (comma, tab, semicolon, pipe)
  • Handles quoted fields with embedded commas and newlines
  • Returns data (full array), columns, row_count, and preview (first 5 rows)
  • Use limit parameter for large datasets to get just the first N rows

• json_to_csv — convert a JSON array of objects to CSV text

  • Auto-quotes fields containing delimiters, newlines, or quotes
  • Use columns parameter to select/reorder specific columns
  • Nested objects are serialized via JSON.stringify

Charts:

• generate_chart — generate an SVG chart from data
  • Chart types: bar, line, pie
  • Single series: { labels: ["A", "B"], values: [10, 20] }
  • Multi-series: { labels: ["Q1", "Q2"], series: [{ name: "2024", values: [10, 20] }, { name: "2025", values: [15, 25] }] }
  • Returns svg (raw SVG) and data_uri (base64 for embedding in markdown)
  • Embed in markdown: ![Chart](data:image/svg+xml;base64,...)

Best practices:

• Use parse_csv to convert CSV data into JSON for processing
• Use json_to_csv to convert results back to CSV for delivery
• Use generate_chart to create visualizations for reports
• Combine with execute_js (code-sandbox skill) for complex data transformations
• Combine with store_deliverable to save charts and processed data as job evidence
• Embed charts in PDF deliverables via the data_uri output