Data Processing（数据处理）
TraeWork 官方插件 —— 数据准备工作台。用于数据清洗、转换与预处理流程的编排与执行。
一、定位
| 字段 | 值 |
|---|---|
| 所属 | TraeWork 官方 marketplace 插件 |
| 开发者 | Trae |
| 版本 | 0.1.0 |
| 协议 | UNLICENSED（内部使用） |
| 类别 | Developer Tools（Interactive / Read / Write） |
| 核心能力 | 数据准备、清洗、转换 |
二、它解决什么问题
2.1 传统痛点
- 数据清洗需要写 Python / SQL 脚本
- 转换逻辑难以复用
- 多个数据源（CSV、Excel、JSON、数据库）切换麻烦
- 预处理流程不标准化
2.2 Data Processing 的解决方案
- 统一工作台——一个地方处理所有数据
- 流程化编排——把清洗、转换、预处理拆成步骤
- 可复用——一次写好，多次使用
三、核心能力
| 能力 | 说明 |
|---|---|
| 数据清洗 | 去重、缺失值处理、异常值检测 |
| 格式转换 | CSV ↔ JSON ↔ Excel ↔ Parquet |
| 数据预处理 | 标准化、归一化、编码 |
| 流程编排 | 多步骤组合执行 |
| 可视化检查 | 图表预览数据质量 |
四、典型使用场景
"清洗这个 CSV：去重、填充缺失值、转换日期格式"
"把 Excel 转成 JSON"
"合并多个数据源，按用户 ID 去重"
"标准化金额字段，去除货币符号"
五、关键能力（插件自带 Skill）
插件自带 data-processing skill，内含：
references/chart-selection.md——选哪种图references/data-recipes.md——常见数据处理菜谱references/output-standards.md——输出格式标准references/quality-checklist.md——质量检查清单scripts/chart_render.py——图表渲染脚本
六、什么时候用 / 不用
6.1 该用
- ✅ 数据清洗（去重、缺失值、异常）
- ✅ 格式转换（CSV ↔ Excel ↔ JSON）
- ✅ 跨数据源合并
- ✅ 标准化预处理
6.2 不该用
- ❌ 数据分析（用专门的 BI 工具）
- ❌ 机器学习建模（用专门的 ML 平台）
- ❌ 实时数据流处理（用 Kafka / Flink）
七、引用来源
- TraeWork 插件目录 —— 本文内容完全来自此文件
- 插件内的
skills/data-processing/目录
八、一句话总结
Data Processing 是「数据准备统一工作台」插件——把数据清洗、格式转换、预处理流程化、可复用化。Trae 官方维护，UNLICENSED（内部使用）。是数据分析 / 机器学习前的「数据准备」环节。