메뉴
字段分布校验工具。读取结构化数据文件（CSV、TSV、Excel等），按模式检查数值字段统计特征或分类字段频率分布是否合理。 数值模式用于检查均值、标准差、中位数、分位数等统计量；分类模式用于检查类别数上限和单类占比是否异常。 当用户提到分布校验、统计特征验证、类别频率检查、类别倾斜检测等需求时使用此skill。 即使用户没有明确说出"分布校验"，只要任务涉及验证字段整体分布是否偏移或失衡，就应该使用此skill。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
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 | numeric_distribution_check |
| description | 字段分布校验工具。读取结构化数据文件（CSV、TSV、Excel等），按模式检查数值字段统计特征或分类字段频率分布是否合理。 数值模式用于检查均值、标准差、中位数、分位数等统计量；分类模式用于检查类别数上限和单类占比是否异常。 当用户提到分布校验、统计特征验证、类别频率检查、类别倾斜检测等需求时使用此skill。 即使用户没有明确说出"分布校验"，只要任务涉及验证字段整体分布是否偏移或失衡，就应该使用此skill。 |
| name_zh | 字段分布校验算子 |
| input_params | [{"name":"input_path","type":"string","required":true,"description":"输入文件路径（支持CSV/TSV/Excel/SPSS等）"},{"name":"output_path","type":"string","required":true,"description":"输出文件路径（带质控标识的结果文件）"},{"name":"mode","type":"string","required":false,"default":"numeric","description":"校验模式：numeric（数值分布）或 categorical（分类频率）"},{"name":"value_field","type":"string","required":false,"description":"数值模式下要统计的数值字段名"},{"name":"stat_constraints","type":"string","required":false,"description":"数值模式下的统计约束，格式：统计量,min,max；如 mean,0,100 或 std,0,50，支持 mean/median/std/min/max/p25/p75"},{"name":"category_field","type":"string","required":false,"description":"分类模式下要检查的分类字段名"},{"name":"max_categories","type":"string","required":false,"description":"分类模式下允许的最大类别数（超过则标记）"},{"name":"max_single_ratio","type":"string","required":false,"description":"分类模式下单类最大占比 0~1（超过则标记该类别所有行）"},{"name":"qc_mark","type":"string","required":true,"description":"质控标识（如QC0029）"},{"name":"mark_field_name","type":"string","required":false,"default":"QC0000","description":"质控标识字段名"}] |
| output_params | [{"name":"output_path","type":"csv_file","description":"带质控标识的输出文件"}] |
| tag | 校验 |
本skill用于在表级别检查字段的整体分布是否合理，包含两种模式：
max_categoriesmax_single_ratio当用户请求以下任务时，应使用此skill：
mode 选择校验路径：
numeric：提取 value_field 的有效数值，计算统计量并与 stat_constraints 比较categorical：统计 category_field 的类别频次和占比，检查 max_categories 与 max_single_ratiomark_field_name 列标记 qc_mark向用户确认：
在 scripts/ 目录下找到 numeric_distribution_check.py，使用Python执行：
数值模式：
python scripts/numeric_distribution_check.py \
--input_path data.csv \
--output_path checked.csv \
--mode numeric \
--value_field "score" \
--stat_constraints "mean,40,60 std,0,20" \
--qc_mark QC0029
分类模式：
python scripts/numeric_distribution_check.py \
--input_path data.csv \
--output_path checked.csv \
--mode categorical \
--category_field "category" \
--max_categories 20 \
--max_single_ratio 0.5 \
--qc_mark QC0029
脚本执行完成后，告知用户：
| 参数 | 必填 | 说明 |
|---|---|---|
--input_path | 是 | 输入文件路径（支持CSV/TSV/Excel/SPSS） |
--output_path | 是 | 输出文件路径 |
--mode | 否 | 校验模式：numeric（默认）或 categorical |
--value_field | 数值模式必需 | 要统计的数值字段名 |
--stat_constraints | 数值模式必需 | 统计约束，格式：统计量,min,max，多组用空格或分号分隔 |
--category_field | 分类模式必需 | 要检查的分类字段名 |
--max_categories | 分类模式可选 | 最大允许类别数（超过则全部标记） |
--max_single_ratio | 分类模式可选 | 单类最大占比 0~1（超过则标记倾斜类别所有行） |
--qc_mark | 是 | 质控标识（如QC0029） |
--mark_field_name | 否 | 质控标识字段名（默认QC0000） |
[OK] Using encoding UTF-8 successfully read CSV file
Successfully read file: /path/to/data.csv, shape: (1000, 5)
[mean] 期望 [40, 60], 实际 72.3000 ✗ 超限
[std] 期望 [0, 20], 实际 15.8000 ✓
[QC FAIL] 数值分布校验未通过 (1 项):
[mean] 期望 [40, 60], 实际 72.3000 ✗ 超限
Successfully written file: /path/to/checked.csv
[OK] Using encoding UTF-8 successfully read CSV file
Successfully read file: /path/to/data.csv, shape: (500, 4)
[mean] 期望 [40, 60], 实际 52.1000 ✓
[std] 期望 [0, 20], 实际 12.3000 ✓
[QC PASS] 数值分布校验通过
Successfully written file: /path/to/checked.csv
[OK] Using encoding UTF-8 successfully read CSV file
Successfully read file: /path/to/data.csv, shape: (500, 8)
[INFO] 总行数: 500, 类别数: 35
dominant 362 (72.4%)
... 还有 34 个类别
[QC FAIL] 分类频率校验未通过 (2 项):
[类别数] 实际 35 > 最大 20
[倾斜] 类别 'dominant' 占比 72.4% > 60%
Successfully written file: /path/to/checked.csv
统计量,min,max，多组用空格或分号分隔_checked 后缀