| name | systematic_sampler |
| description | 系统采样算子。按照固定间隔从数据中进行系统采样，适用于时间序列数据或需要均匀分布样本的场景。
当用户提到系统采样、等距抽样、按间隔取样、均匀抽样等需求时使用此skill。
即使用户没有明确说出"系统采样"，只要任务涉及从有序数据中按固定步长抽取样本，就应该使用此skill。
不负责分层采样或随机采样。
|
| name_zh | 系统采样算子 |
| input_params | [{"name":"input","type":"string","required":true,"description":"输入JSONL文件路径"},{"name":"output","type":"string","required":true,"description":"输出JSONL文件路径"},{"name":"method","type":"string","required":true,"description":"采样方式：interval/count"},{"name":"interval","type":"string","required":false,"default":"0","description":"采样间隔（method=interval时）"},{"name":"count","type":"string","required":false,"default":"0","description":"目标采样数量（method=count时）"},{"name":"start_offset","type":"string","required":false,"default":"0","description":"起始偏移量"},{"name":"log_file","type":"string","required":false,"description":"日志文件路径"}] |
| output_params | [{"name":"output","type":"list","description":"系统采样后的数据"},{"name":"sample_count","type":"integer","description":"采样数量"}] |
| tag | 数据筛选 |
| publisher | COMMUNITY |
SystematicSampler - 系统采样算子
功能概述
按照固定间隔从数据中进行系统采样，适用于时间序列数据或需要均匀分布样本的场景。支持指定间隔或根据目标数量自动计算间隔。
触发条件
当用户提到以下任务时，应使用此skill：
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--method：采样方式，interval 或 count
可选参数
--interval：采样间隔，method=interval 时使用--count：目标采样数量，method=count 时使用--start_offset：起始偏移量，默认 0--log_file：日志文件路径
输入文件格式
支持 JSONL，每行一个 JSON 对象。
使用方法
按间隔采样
python scripts/run_systematic_sampler.py \
--input data.jsonl \
--output sampled.jsonl \
--method interval \
--interval 10 \
--start_offset 0
按目标数量采样
python scripts/run_systematic_sampler.py \
--input data.jsonl \
--output sampled.jsonl \
--method count \
--count 1000 \
--start_offset 5
输出示例
[OK] Systematic sampling completed
Input: data.jsonl
Output: sampled.jsonl
Total records: 12
Sampling interval: 3
Start offset: 1
Sampled records: 4
Sampling rate: 33.33%
环境要求
注意事项
- 输入必须是 JSONL 格式。
method=count 会基于目标数量估算间隔，并在需要时截断到目标数量。start_offset 不能大于数据长度。- 输出记录会追加
_sample_index 和 _sample_interval 标记。
