القائمة
CSV格式化器。用于加载和格式化csv类型的文件。 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CSV格式化、CSV数据加载、读取CSV文件、CSV转JSONL等需求时使用此skill。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
PiFlow 技能生成器。当用户完成了一次完整并成功的数据处理任务时调用，根据当前 skills/generated 的本地约定和 references/piflow_skill_template.md 通用模板创建、更新或校验 PiFlow-compatible skill，包括 UTF-8 编码的 SKILL.md、DAG 可读的 input_params/output_params、version/category/tag 元数据、skill.json、scripts/references/assets 资源目录，以及本地校验脚本。仅在用户明确要求生成或保存 skill，或某次数据处理任务已经完成并需要把已验证成功的操作流程沉淀为 skill 时使用；默认不要因为“可能需要 skill”或“当前能力不足”而优先触发此 skill。
LLM 文件转换算子。用于读取一个文本文件，按照给定指令调用大模型进行内容转换，并输出新的文本文件。
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。
括号类型统一工具。读取结构化数据文件，执行中文/全角括号到 ASCII 半角括号的映射，输出括号已统一的结构化数据文件。 当用户提到括号统一、全角括号转半角、中文括号转换、括号规范化等需求时使用此skill。 即使用户没有明确说出"bracket_normalizer"，只要任务涉及括号类符号统一，就应该使用此skill。 不负责全角字母数字转换、Unicode正规化或其他通用全半角处理。
跨字段比较校验工具。读取结构化数据文件（CSV、TSV、Excel等），检查两个字段之间的逻辑约束关系 是否满足（如 start < end、min ≤ max、price >= cost），支持六种比较运算符，多约束可组合使用。 当用户提到跨字段校验、字段间比较、逻辑约束检查、大小关系验证等需求时使用此skill。 即使用户没有明确说出"跨字段"，只要任务涉及验证两个字段值之间的逻辑关系，就应该使用此skill。
结构化表格重复行检测工具。仅检查CSV/TSV/Excel等表格型数据中的完全重复记录或指定列子集重复， 标记后续重复行并保留首次出现；不处理文本片段清理、文档去重或其他字段质控。
| name | csv_formatter |
| description | CSV格式化器。用于加载和格式化csv类型的文件。 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CSV格式化、CSV数据加载、读取CSV文件、CSV转JSONL等需求时使用此skill。 |
| name_zh | CSV格式化器算子 |
| input_params | [{"name":"input_path","type":"string","required":true,"description":"输入CSV文件路径或目录"},{"name":"output_path","type":"string","required":true,"description":"输出JSONL文件路径"},{"name":"text_keys","type":"list","required":false,"default":"['text']","description":"文本字段名列表"},{"name":"add_suffix","type":"bool","required":false,"default":false,"description":"是否添加文件后缀信息"},{"name":"num_proc","type":"int","required":false,"default":1,"description":"并行处理的进程数"},{"name":"encoding","type":"string","required":false,"default":"utf-8","description":"CSV文件编码格式"}] |
| output_params | [{"name":"output_path","type":"jsonl_file","description":"格式化后的JSONL文件"}] |
| tag | 格式转换 |
该算子用于加载 CSV 格式的文件并格式化为统一的数据集格式，输出为 JSONL 格式。
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| input_path | string | 是 | - | 输入CSV文件路径或目录 |
| output_path | string | 是 | - | 输出JSONL文件路径 |
| text_keys | list | 否 | ['text'] | 文本字段名列表 |
| add_suffix | bool | 否 | False | 是否添加文件后缀信息 |
| num_proc | int | 否 | 1 | 并行处理的进程数 |
| encoding | string | 否 | utf-8 | CSV文件编码格式 |
输入可以是：
/path/to/data.csv/path/to/csv_directory/输出为 JSONL 格式，每行一个样本。
# 加载单个CSV文件
python scripts/run_csv_formatter.py \
--input_path /path/to/input.csv \
--output_path /path/to/output.jsonl
# 指定文本字段
python scripts/run_csv_formatter.py \
--input_path /path/to/input.csv \
--output_path /path/to/output.jsonl \
--text_keys text \
--text_keys title
# 加载目录中的所有CSV文件
python scripts/run_csv_formatter.py \
--input_path /path/to/csv_directory \
--output_path /path/to/output.jsonl \
--add_suffix
# 指定编码格式（如GBK）
python scripts/run_csv_formatter.py \
--input_path /path/to/input.csv \
--output_path /path/to/output.jsonl \
--encoding gbk
--input_path: 输入CSV文件或目录路径--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']）--add_suffix: 是否添加文件后缀信息--num_proc: 并行进程数，默认1--encoding: CSV文件编码格式，默认utf-8，如GBK文件可指定 --encoding gbk