数据分析
- 作者仓库星标 19,014
- 作者更新于 实时读取
- 作者仓库 knowledge-work-plugins
- 领域
- 数据
- 兼容 Agent
-
- Claude Code
- Cursor
- Cline
- Codex
- Windsurf
- Gemini CLI
- +20
- 信任分
- 88 / 100 · 社区维护
- 作者 / 版本 / 许可
- @anthropics · 未声明 license
- Token 消耗评级
- 低消耗
- 接入复杂程度
- 即装即用
- 是否需要外部 API Key
- 不需要
- 兼容的系统
- 未声明（默认跨平台）
- 底层运行要求
- 无特殊要求
- 文件与系统权限
-
- 只读
- 允许写入 / 修改
- 网络行为
- 仅限本地
- 安装命令数
- 26 条
档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。
需要注意： 未限定 allowed-tools，默认拥有全部工具权限。
---
name: comp-analysis
description: Analyze compensation — benchmarking, band placement, and equity modeling. Trigger with "what sho…
category: 数据
runtime: 无特殊运行时
---
# comp-analysis 输出预览
## PART A: 任务判断
- 适用问题：表格、CSV、数据集、指标或分析流程。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“Usage / What I Need From You / Compensation Framework”读取原文规则，不把推断写成作者承诺。
## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于表格、CSV、数据集、指标或分析流程，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“Usage / What I Need From You / Compensation Framework”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、主要在本地完成、通常不需要额外 API Key 给出执行前确认项。
## Running Rules
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。原文出现了 `/comp-analysis` 这类斜杠命令；如果你的 Agent 支持命令触发，优先用命令开场，再补充目标和边界。
告诉 Agent 目标文件或材料、期望结果、不可改范围、是否允许联网或执行命令。本 Skill 的权限画像是：读取文件、写入/修改文件。
先用一个小任务确认它会围绕“Usage / What I Need From You / Compensation Framework”工作；涉及文件或命令时，先看 diff、日志、预览或测试结果。
检查最终产物是否包含明确结果、必要证据和下一步动作；如果输出泛泛而谈，就补充输入、边界和验收标准后重跑。
---
name: comp-analysis
description: Analyze compensation — benchmarking, band placement, and equity modeling. Trigger with "what sho…
category: 数据
source: anthropics/knowledge-work-plugins
---
# comp-analysis
## 什么时候使用
- 把数据处理方向的常用动作沉淀成 Agent 可调用的技能 适合处理表格、CSV、指标、数据集、分析和可视化报告，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查、可继续迭代的步…
- 面向表格、CSV、数据集、指标或分析流程，优先处理能明确输入、步骤和验收标准的工作。
## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。
## 执行规则
- 围绕「Usage / What I Need From You / Compensation Framework」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件；主要在本地完成；通常不需要额外 API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。
## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。
skill "comp-analysis" {
输入层 -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
上下文层 -> Usage / What I Need From You / Compensation Framework
规则层 -> SKILL.md 触发条件 / 执行顺序 / 输出格式
运行层 -> 无特殊运行时 | 读取文件、写入/修改文件 | 主要在本地完成
安全层 -> 通常不需要额外 API Key + 小任务验证 + diff / 日志复核
输出层 -> 可复制结果 + 检查清单 + 下一步迭代
}/comp-analysis
If you see unfamiliar placeholders or need to check which tools are connected, see CONNECTORS.md.
Analyze compensation data for benchmarking, band placement, and planning. Helps benchmark compensation against market data for hiring, retention, and equity planning.
Usage
/comp-analysis $ARGUMENTSWhat I Need From You
Option A: Single role analysis "What should we pay a Senior Software Engineer in SF?"
Option B: Upload comp data Upload a CSV or paste your comp bands. I'll analyze placement, identify outliers, and compare to market.
Option C: Equity modeling "Model a refresh grant of 10K shares over 4 years at a $50 stock price."
Compensation Framework
Components of Total Compensation
- Base salary: Cash compensation
- Equity: RSUs, stock options, or other equity
- Bonus: Annual target bonus, signing bonus
- Benefits: Health, retirement, perks (harder to quantify)
Key Variables
- Role: Function and specialization
- Level: IC levels, management levels
- Location: Geographic pay adjustments
- Company stage: Startup vs. growth vs. public
- Industry: Tech vs. finance vs. healthcare
Data Sources
- With ~~compensation data: Pull verified benchmarks
- Without: Use web research, public salary data, and user-provided context
- Always note data freshness and source limitations
Output
Provide percentile bands (25th, 50th, 75th, 90th) for base, equity, and total comp. Include location adjustments and company-stage context.
## Compensation Analysis: [Role/Scope]
### Market Benchmarks
| Percentile | Base | Equity | Total Comp |
|------------|------|--------|------------|
| 25th | $[X] | $[X] | $[X] |
| 50th | $[X] | $[X] | $[X] |
| 75th | $[X] | $[X] | $[X] |
| 90th | $[X] | $[X] | $[X] |
**Sources:** [Web research, compensation data tools, or user-provided data]
### Band Analysis (if data provided)
| Employee | Current Base | Band Min | Band Mid | Band Max | Position |
|----------|-------------|----------|----------|----------|----------|
| [Name] | $[X] | $[X] | $[X] | $[X] | [Below/At/Above] |
### Recommendations
- [Specific compensation recommendations]
- [Equity considerations]
- [Retention risks if applicable]If Connectors Available
If ~~compensation data is connected:
- Pull verified market benchmarks by role, level, and location
- Compare your bands against real-time market data
If ~~HRIS is connected:
- Pull current employee comp data for band analysis
- Identify outliers and retention risks automatically
Tips
- Location matters — Always specify location for benchmarking. SF vs. Austin vs. London are very different.
- Total comp, not just base — Include equity, bonus, and benefits for a complete picture.
- Keep data confidential — Comp data is sensitive. Results stay in your conversation.
先判断是否适合
作者设计意图
作者的方法与取舍
边界和复核