naive-reverse-grouper

name	naive_reverse_grouper
description	将批处理的样本拆分为独立样本。当用户提到样本拆分、拆分批次、批处理展开、反向分组等需求时使用此skill。 即使用户没有明确说出"拆分"，只要任务涉及将批处理数据（字段值为数组）展开为独立样本，就应该使用此skill。
name_zh	将批处理的样本拆分为独立样本算子
input_params	[{"name":"input_path","type":"string","required":true,"description":"输入JSON文件路径"},{"name":"output_path","type":"string","required":true,"description":"输出JSON文件路径"},{"name":"export_path","type":"string","required":false,"description":"可选，导出批次元数据到JSONL文件"}]
output_params	[{"name":"output_path","type":"json_file","description":"拆分后的JSON文件，每个数组元素展开为独立样本"}]
tag	数据衍生
publisher	COMMUNITY

Naive Reverse Grouper

将批处理的样本拆分为独立样本。

本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用同以下指令进行安装：

pip install py-data-juicer

核心参数

参数	类型	必填	默认值	说明
input_path	string	是	-	输入JSON文件路径
output_path	string	是	-	输出JSON文件路径
export_path	string	否	-	可选，导出批次元数据到JSONL文件

使用方法

python scripts/run_naive_reverse_grouper.py --input_path <input_path> --output_path <output_path> [--export_path <path>]

实现原理

参照测试代码 test_naive_reverse_grouper.py 中的 _run_helper 函数：

# 1. 将批次化样本列表转换为Dataset
dataset = Dataset.from_list(samples)

# 2. 初始化算子并执行（无参数，或传入 export_path）
op = NaiveReverseGrouper()
new_dataset = op.run(dataset)

输入输出格式

输入格式 (JSON数组，字段值为数组)

[
  {"text": ["Sample 1", "Sample 2", "Sample 3"]}
]

输出格式 (JSON数组，拆分为独立样本)

[
  {"text": "Sample 1"},
  {"text": "Sample 2"},
  {"text": "Sample 3"}
]

示例

示例1：基本拆分

python scripts/run_naive_reverse_grouper.py --input_path example_input.json --output_path output.json

示例2：同时导出批次元数据

python scripts/run_naive_reverse_grouper.py --input_path example_input.json --output_path output.json --export_path batch_meta.jsonl

注意事项

• 此算子无需额外参数（export_path可选）
• 输入样本的字段值为数组形式
• 输出会将数组展开为多个独立样本
• 如果传入 export_path，会将批次元数据导出为 JSONL 格式