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
mineru_url_parse
MinerU URL解析算子。通过远程调用MinerU接口，解析在线文档URL（支持PDF、DOC、PPT、Excel、图片等格式），获取文件解析结果（内容、公式、图片等），最终返回ZIP压缩包。本SKILL依赖requests库，请确保已安装。
含まれるファイル（3）
- SKILL.md3.1 KB
- scripts/run_mineru_url_parse.py3.9 KB
- skill.json1.8 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。
功能概述
该算子通过远程调用MinerU API，对在线文档URL进行智能解析，提取文档中的文本内容、公式、图片等信息，最终将解析结果打包为ZIP压缩包返回。
支持的文件类型
- PDF文件（.pdf）
- Word文档（.doc, .docx）
- PowerPoint演示文稿（.ppt, .pptx）
- Excel表格（.xls, .xlsx）
- 图片文件（.jpg, .jpeg, .png, .bmp, .gif等）
核心参数
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| url | string | 是 | - | 在线文档URL |
| output_zip | string | 是 | - | 输出ZIP压缩包路径 |
| model_version | string | 否 | vlm | 模型版本 |
| poll_interval | int | 否 | 5 | 轮询间隔（秒） |
| timeout | int | 否 | 1800 | 超时时间（秒） |
使用示例
命令行调用
# 基础用法
python scripts/run_mineru_url_parse.py \
--url https://example.com/document.pdf \
--output_zip /path/to/output.zip
# 指定模型版本和轮询参数
python scripts/run_mineru_url_parse.py \
--url https://example.com/document.docx \
--output_zip /path/to/output.zip \
--model_version vlm \
--poll_interval 10 \
--timeout 3600
参数说明
--url: 需要解析的在线文档URL--output_zip: 解析结果ZIP压缩包的输出路径--model_version: 选择使用的模型版本，默认vlm--poll_interval: 查询解析状态的间隔时间，默认5秒--timeout: 解析任务的最大等待时间，默认30分钟
输出内容
解析完成后，输出的ZIP压缩包包含：
- 文件文本内容提取结果
- 公式识别结果
- 图片提取结果
- 解析元数据信息
注意事项
- 需要有效的MinerU API密钥才能使用(系统内配置)
- 网络连接必须正常，能够访问MinerU服务和目标URL
- 目标URL必须是可公开访问的文档链接
- 大文件解析可能需要较长时间，请适当调整timeout参数
- 支持的文件大小受MinerU服务限制
- 输出目录不存在时会自动创建
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