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
remote_formatter
远程格式化器。用于从huggingface hub的存储库加载数据集。
本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到加载HuggingFace数据集、远程数据集加载、HuggingFace Hub等需求时使用此skill。
含まれるファイル（5）
- SKILL.md2.9 KB
- assets/icon.png23.7 KB
- scripts/example.md627 B
- scripts/run_remote_formatter.py2.3 KB
- skill.json1.9 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
该算子用于从 HuggingFace Hub 加载数据集，支持加载公开数据集和需要认证的私有数据集。
核心参数
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| dataset_path | string | 是 | - | HuggingFace数据集路径 |
| output_path | string | 是 | - | 输出JSONL文件路径 |
| text_keys | list | 否 | ['text'] | 文本字段名列表 |
| split | string | 否 | 'train' | 数据集划分 |
| num_proc | int | 否 | 1 | 并行处理的进程数 |
输入数据格式
dataset_path 支持以下格式：
- 公开数据集：
username/dataset_name - 本地路径或远程路径
输出数据格式
输出为 JSONL 格式，每行一个样本。
使用示例
命令行调用
# 加载HuggingFace公开数据集
python scripts/run_remote_formatter.py \
--dataset_path "rotten_tomatoes" \
--output_path /path/to/output.jsonl
# 指定文本字段
python scripts/run_remote_formatter.py \
--dataset_path "yelp_review_full" \
--output_path /path/to/output.jsonl \
--text_keys text \
--split train
# 带认证加载私有数据集
python scripts/run_remote_formatter.py \
--dataset_path "private_user/private_dataset" \
--output_path /path/to/output.jsonl
参数说明
--dataset_path: HuggingFace数据集路径--output_path: 输出JSONL文件路径--text_keys: 文本字段名，可重复指定多个（默认 ['text']）--split: 数据集划分（默认 'train'）--num_proc: 并行进程数，默认1
注意事项
- 首次运行会下载数据集，可能需要较长时间
- 对于私有数据集，需要先登录 HuggingFace：
huggingface-cli login - 支持的数据集格式由 HuggingFace datasets 库决定
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