领域缩略语展开 Skill：按内置或外部词典将独立缩略语替换为全称，可选在全称后保留原缩写。 适用于技术文本、论文摘要和业务记录中的缩写清洗；不负责模糊缩写消歧或大小写无关替换。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
無料GitHub で公開
en_text_cleaner
英文文本基础清洗工具。读取英文科研文本，展开常见缩写、修正常见拼写错误并可选规范大小写，输出整理后的 JSONL 数据。当用户提到英文文本清洗、英文缩写展开、英文拼写纠正、英文文本规整等需求时使用此skill。
适合外文论文、英文实验记录的基础规整，不负责翻译、语法改写或跨语言语义修复。
含まれるファイル（4）
- SKILL.md3.5 KB
- scripts/example_input.json192 B
- scripts/run_en_text_cleaner.py13.6 KB
- skill.json3.2 KB
SKILL.md（原文）
インストールする前に、エージェントに与えられる指示の中身を確認できます。
EnTextCleaner - 英文文本清洗优化算子
功能概述
英文文本基础清洗工具。读取英文科研文本，展开常见缩写、修正常见拼写错误并可选规范大小写，输出整理后的 JSONL 数据。 适合外文论文、英文实验记录的基础规整，不负责翻译、语法改写或跨语言语义修复。
触发条件
当用户请求以下任务时，应使用此skill：
- 英文缩写展开
- 英文拼写纠正
- 英文文本规整
- 英文大小写规范化
核心参数说明
必需参数
--input：输入JSONL文件路径--output：输出JSONL文件路径
可选参数
--text_field：文本字段名，默认text--expand_abbreviations：是否展开缩写，默认true--fix_spelling：是否纠正拼写，默认true--normalize_case：是否规范化大小写，默认false--mark_cleaned：是否标记已清洗样本，默认true--custom_abbreviations：自定义缩写词典JSON文件路径--custom_spellings：自定义拼写词典JSON文件路径
输入文件格式
- JSONL
使用方法
python scripts/run_en_text_cleaner.py \
--input data.jsonl \
--output cleaned.jsonl \
--text_field text
输出示例
[OK] English text cleaning completed
Total samples: 1000
Samples processed: 234
Abbreviations expanded: 156
Spelling fixed: 89
环境要求
- Python 3.10+
- 仅依赖标准库
注意事项
- 本skill只做缩写展开和拼写纠正，不负责语法修正或全句翻译。
- 自定义词典需要符合JSON格式。
- 修改样本会附带
_en_cleaned标记和_en_change_details明细。
レビュー
まだレビューはありません。使ってみた感想をお寄せください。
同じリポジトリのスキル
概要と使いどころ
字母数字比例过滤器。过滤文本中字母/数字比例不在指定范围内的样本。 当用户提到文本过滤、比例筛选、字母比例、数字比例、清理乱码文本等需求时使用此skill。 即使用户没有明确说出"过滤"，只要任务涉及根据文本中字母或数字的比例来筛选数据， 就应该使用此skill。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
平均行长度过滤器。过滤文本平均行长度不在指定范围内的样本。 当用户提到行长度过滤、平均行长度、文本行长度筛选、按行筛选等需求时使用此skill。 即使用户没有明确说出"平均行长度"，只要任务涉及根据文本中每行的平均长度来筛选数据， 就应该使用此skill。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
批量文件清单采集器。扫描一个或多个本地文件/目录，或从任务列表加载路径， 按支持的扩展名生成文件元信息清单，供后续文本、表格、文档、图像等采集流程继续处理。 当用户需要批量盘点待采集文件、生成本地文件 manifest、统计输入文件类型或为后续采集算子准备文件清单时使用此 skill。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
批量数据均匀分片工具。读取json/jsonl/csv输入，按份数或固定条数切成多个子文件，输出一个清单JSON供下游节点消费。 当用户提到数据分割、批量拆分、数据分片、均匀分块等需求时使用此skill。 即使用户没有明确说出"分片"，只要任务是把整份批量数据均匀拆成多个文件，就应该使用此skill。 不负责按字段分组导出或随机采样。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
本skill是用于单细胞测序数据分析的专用技能，首先需要用户上传需要处理的单细胞测序数据，再对经过预处理的单细胞表达数据进行自动化细胞类型注释。它通过基因比对、数据标准化、降维等一系列流程，将细胞聚类结果与已知参考数据库进行匹配，从而为每个细胞分配生物学功能标签。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新