Getting it into your agent
One page per mod, every tool's command on it. A separate URL per tool would split the same page into five that compete with each other.
npx skills add gethouston/houston --skill analizar-mis-datosgit clone --depth 1 https://github.com/gethouston/houstonWrote this? Show the measurements
A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.
[](https://agentmods.dev/skills/gethouston/houston/analizar-mis-datos)<a href="https://agentmods.dev/skills/gethouston/houston/analizar-mis-datos"><img src="https://agentmods.dev/badge/skills/gethouston/houston/analizar-mis-datos/github.svg" alt="Measured on agentmods" height="20"></a>Or the 80×15 button, for a site that already has a row of RSS and ATOM ones. Only the verdict fits; the numbers stay here.
<a href="https://agentmods.dev/skills/gethouston/houston/analizar-mis-datos"><img src="https://agentmods.dev/badge/skills/gethouston/houston/analizar-mis-datos.svg" alt="Reviewed on agentmods" width="80" height="20"></a>- NVIDIA SkillSpector pass
What it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5.1 | $0.00126 | $0.02041 |
| Opus 5 | $0.00063 | $0.01020 |
| Sonnet 5 | $0.00025 | $0.00408 |
| Haiku 4.5 | $0.00013 | $0.00204 |
Grade A, and why
analizar-mis-datos scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 12d ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 96 lines — stays where its author put it; the contents beside it link to each section on GitHub.
Analizar mis datos
Una sola primitiva analítica. Tres trabajos de datos: informes de experimentos, barridos de anomalías, auditorías de calidad de datos. Rigor por defecto: nunca recomiendo SHIP sin significancia, nunca declaro una anomalía sin línea base, nunca omito advertencias en los hallazgos de calidad de datos.
Cuándo usarla
subject=experiment- "analiza el test {X}" / "cómo le fue al experimento {Y}" / "informe del test A/B".subject=anomaly- "hay algo raro en los datos hoy" / "revisión de anomalías" / "barrido diario de anomalías" / "por qué se disparó {métrica}".subject=data-qa- "revisa la calidad de datos de {tabla}" / "por qué este número está mal" / "corre una auditoría de calidad en el almacén de datos".
Conexiones que necesito
Ejecuto el trabajo externo a través de Composio. Antes de correr esta habilidad verifico que las categorías de abajo estén conectadas. Si falta alguna, nombro la categoría, te pido conectarla desde la pestaña de Integraciones y me detengo.
- Almacén de datos / fuente de datos (Postgres, BigQuery, Snowflake, Redshift) - Requerido. SQL de solo lectura para extraer variantes, líneas base de anomalías y chequeos de calidad.
- Plataforma de experimentos (PostHog, Mixpanel, Amplitude) - Opcional. Se usa cuando
subject=experimenty el test vive en una herramienta de analítica de producto. Si no hay ninguna conectada, trabajo con agregados que me pegues.
Si no hay un almacén de datos conectado, me detengo y te pido conectarlo primero.
Información que necesito
Primero leo tu contexto de operaciones. Por cada campo requerido que falte hago UNA pregunta en lenguaje simple (mejor modalidad: app conectada > archivo > URL > texto pegado) y espero.
- Etapa de la empresa - Requerido. Por qué lo necesito: define valores por defecto sensatos para el tamaño de muestra y el efecto mínimo detectable en los experimentos. Si falta, pregunto: "¿Cómo describirías tu etapa ahora mismo: pre-lanzamiento, primeros usuarios, en crecimiento o estable?"
- Dónde viven los datos de tu negocio - Requerido. Por qué lo necesito: tengo que saber a qué almacén de datos consultar. Si falta, pregunto: "¿Dónde viven los datos de tu negocio? Lo mejor es conectar tu almacén de datos desde la pestaña de Integraciones para que pueda leerlo directamente."
- Qué estás midiendo ya - Requerido para
subject=anomaly. Por qué lo necesito: barro las métricas que ya sigues y marco las desviaciones. Si falta, pregunto: "¿Qué números sigues más de cerca? Puedes listarlos o, mejor aún, conectar el dashboard donde viven." - Estructura de las tablas y expectativas de actualidad - Opcional para
subject=data-qa. Por qué lo necesito: me ayuda a saber qué columnas no deberían ser nulas y qué tan desactualizada puede estar una tabla. Si no lo tienes, sigo adelante con TBD e infiero a partir de una muestra.
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 12d ago First seen · 96 lines · 126 tokens per session scan A 515c88e0f892
analizar-mis-datos is a skill published in the GitHub repository gethouston/houston (113 stars, last pushed today), licensed MIT. It adds 126 tokens to every session and 2,041 once invoked, about $0.0006 per session on Opus 5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-30.
Other skills, from other repositories
systematic-debugging
Use when encountering any bug, test failure, or unexpected behavior, before proposing fixes.
local-ai-agents
Build local-first AI agents that run entirely on a developer workstation with Microsoft Foundry Local and Qwen function-calling models. Covers Small Language Models (SLMs), the OpenAI-compatible local endpoint, sandboxed local tools, local RAG with Chroma, local MCP servers, hybrid cloud/local routing, and the…
next-cache-components-adoption
Turn on Cache Components in a Next.js app and resolve the blocking routes it surfaces. Use when the user wants to enable, adopt, or migrate to Cache Components, flip the cacheComponents flag, work through a flood of blocking-prerender / instant validation errors, run the cache-components-instant-false codemod, or…
insight-error-page
Write or audit an insight-kind error page for the Next.js dev overlay. Use when creating a new errors/ .mdx page, auditing an existing one, or checking that a page matches the framework fix cards. Covers page structure, title alignment, FixCard cards with Copy prompt button, code snippets, terminology verification…
next-cache-components-optimizer
Drive a Next.js route to instant navigation by setting up an agentic loop, under Cache Components / PPR, on initial load (hard navigation) and client-side navigation (soft navigation). Encode the goal as a failing @next/playwright instant() e2e and work it to green, one verified route at a time; the shipped test then…
next-partial-prefetching-adoption
Turn on Partial Prefetching in a Next.js app and work through the insights it surfaces. Use when the user wants to enable or adopt Partial Prefetching, flip the partialPrefetching flag, opt routes in with export const prefetch = 'partial', audit Link prefetch={true} behavior, preserve existing prefetched UI with…