From 437409641ca6a595e8b1507d50c3d3c43cf600e6 Mon Sep 17 00:00:00 2001 From: Egutierrez Date: Tue, 30 Jun 2026 16:08:50 +0200 Subject: [PATCH] docs(eda): el skill /eda emite SIEMPRE PDF + PPTX con AutomaticEDA MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Actualiza el flujo del comando para que un EDA completo emita el informe AutomaticEDA en sus dos formatos (PDF A5 móvil + PPTX 16:9) con los 11 capítulos poblados, vía render_automatic_eda (o profile_table(emit_automatic=True)). El PDF legacy (emit_pdf/render_eda_pdf) queda como salida independiente opcional. Co-Authored-By: Claude Opus 4.8 (1M context) --- .claude/commands/eda.md | 30 ++++++++++++++++++++---------- 1 file changed, 20 insertions(+), 10 deletions(-) diff --git a/.claude/commands/eda.md b/.claude/commands/eda.md index 8ce31ef8..860c340f 100644 --- a/.claude/commands/eda.md +++ b/.claude/commands/eda.md @@ -25,9 +25,10 @@ Página madre del grupo: `docs/capabilities/eda.md` (léela primero para cargar - `--models` → `run_models=True` (PCA/KMeans/IsolationForest/normalidad). - `--llm` → `run_llm=True` (1 call LLM sobre el perfil agregado). - `--series` → `run_series=True` (estacionariedad ADF+KPSS, ACF/PACF, STL, retornos por columna numérica). - - `--pdf` → `emit_pdf=True` (PDF A5 vertical legible en móvil). + - `--pdf` → `emit_pdf=True` (PDF A5 legacy de `render_eda_pdf`, legible en móvil). + - `--legacy-only` → emite SOLO el PDF legacy (sin AutomaticEDA), para casos en que solo se quiera el PDF rápido. -Por defecto, para un EDA "completo" cuando el usuario no especifica, activa `run_models`, `run_series` y `emit_pdf`; deja `run_llm` para cuando lo pida o cuando interese la interpretación semántica (es la única parte que gasta tokens del modelo). +Por defecto, **un EDA completo emite SIEMPRE el informe AutomaticEDA en sus dos formatos: PDF (A5 móvil) Y PPTX (16:9 para compartir)** con los 11 capítulos poblados (portada, overview, distribuciones, calidad, correlaciones, modelos, series, geoespacial, agregación, interpretación LLM). Usa el pipeline `render_automatic_eda` (o `profile_table(emit_automatic=True)`), que activa `run_models` y `run_series` para que los capítulos de modelos/series/geoespacial/agregación salgan poblados. Deja `run_llm` para cuando el usuario lo pida o interese la interpretación semántica + narrativa por capítulo (es la única parte que gasta tokens del modelo). ## Reglas duras @@ -35,7 +36,7 @@ Por defecto, para un EDA "completo" cuando el usuario no especifica, activa `run 2. **CSV/Parquet/Excel** entran cargándolos antes a DuckDB (`read_csv_auto`/`read_parquet`/`read_xlsx`) — DuckDB es el motor por defecto. No traigas la tabla entera a RAM. 3. **Secretos**: si la fuente es un DSN PostgreSQL con credenciales, NO las imprimas en los reports ni en el notebook; resuélvelas vía `resolve_pg_dsn`/`pass` cuando aplique. 4. **El report es un artefacto local**: vive en `reports/` (gitignored), no se sube a Gitea ni se versiona. Compartir = pasar la ruta (regla `reports.md`). -5. **Entrega las 4 salidas**: JSON sidecar + Markdown + **PDF móvil** + **notebook Jupyter colaborativo ejecutado en vivo**. +5. **Entrega las salidas**: el informe **AutomaticEDA PDF + PPTX** (siempre, con `render_automatic_eda` / `emit_automatic=True`) + (opcional) JSON sidecar + Markdown + PDF legacy + **notebook Jupyter colaborativo ejecutado en vivo**. Comparte las rutas de PDF y PPTX. ## Paso 1 — Perfilar y escribir los reports @@ -43,18 +44,26 @@ Una tabla (caso normal): ```bash PYTHONPATH=python/functions python/.venv/bin/python3 - <<'PYEOF' -from pipelines.profile_table import profile_table -r = profile_table( +from pipelines.render_automatic_eda import render_automatic_eda +# Informe AutomaticEDA COMPLETO one-shot: perfil + ctx (datos crudos) + PDF + PPTX +# con los 11 capítulos poblados (clusters pintados, evolución temporal, mapa, +# tablas de agregación). run_llm=True añade la narrativa LLM por capítulo. +r = render_automatic_eda( "/ruta/datos.duckdb", "ventas", - run_models=True, run_series=True, emit_pdf=True, run_llm=False, + run_models=True, run_series=True, run_llm=False, out_dir="reports", ) print("status:", r["status"]) -print("md: ", r["report_md_path"]) -print("json: ", r["report_json_path"]) -print("pdf: ", r["pdf_path"]) +print("pdf: ", r["pdf_path"], "(", r["n_pages"], "págs )") +print("pptx: ", r["pptx_path"], "(", r["n_slides"], "slides )") +print("manifest:", r["manifest_path"]) PYEOF ``` +Si además quieres el report Markdown + JSON sidecar y/o el PDF legacy junto al +AutomaticEDA, usa `profile_table(emit_automatic=True, emit_pdf=True, write_report=True)`: +emite todo a la vez (`report_md_path`, `report_json_path`, `pdf_path` legacy, +`aeda_pdf_path`, `aeda_pptx_path`, `aeda_manifest_path`). + Una base entera (todas las tablas + relaciones FK): ```bash @@ -90,6 +99,7 @@ Sigue la memoria `eda-workflow-registry` y la regla `notebook_collaboration.md`: ## Notas - El `TableProfile` lleva ahora, además del perfilado base y las correlaciones con FDR: `series` (por columna numérica, con `run_series`), `reexpression` por columna numérica (escalera de Tukey) y `caveats` (siempre, avisos exploratorios). El Markdown y el PDF renderizan estas secciones automáticamente cuando están presentes. -- El PDF (`emit_pdf`) está pensado para leerse en el móvil (A5 vertical, tipografía grande, gráficos Tufte). Se escribe junto al Markdown en `reports/`. +- El informe **AutomaticEDA** (`render_automatic_eda` / `emit_automatic=True`) emite el MISMO documento por capítulos a **PDF (A5 móvil)** y **PPTX (16:9)** con garantía de no-corte (texto envuelto, tablas partidas repitiendo cabecera, figuras escaladas) y negrita real (`**texto**`). Escribe `automatic_eda_manifest.json` con la versión de cada capítulo. Los capítulos modelos/series/geoespacial/agregación se pueblan con los datos crudos que `build_eda_render_ctx` muestrea de la base (no se traen tablas enteras a RAM). +- El PDF legacy (`emit_pdf`, `render_eda_pdf`) sigue disponible y es independiente del AutomaticEDA (A5 vertical, gráficos Tufte). Se escribe junto al Markdown en `reports/`. - `run_series` ordena por la primera columna datetime si existe; si no, por el orden físico de filas. Necesita ≥8 puntos válidos por columna. - Fuentes: DuckDB (CSV/Parquet/Excel cargados antes) y PostgreSQL (`backend="postgres"`). `profile_database` (multi-tabla + FK) es solo DuckDB por ahora.