菜单
数值标准化工具。读取JSONL数据，按指定字段执行Z-score或Min-Max标准化，并保留原始值与变更标记。 当用户提到数值标准化、归一化、字段规整、范围映射等需求时使用此skill。 即使用户没有明确说出"data_normalizer"，只要任务涉及对某个数值字段做标准化处理，就应该使用此skill。 不负责四舍五入/小数位统一（见DC3_RoundOff）、文本清洗、类别编码或多字段联合统计分析。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
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 | data_normalizer |
| description | 数值标准化工具。读取JSONL数据，按指定字段执行Z-score或Min-Max标准化，并保留原始值与变更标记。 当用户提到数值标准化、归一化、字段规整、范围映射等需求时使用此skill。 即使用户没有明确说出"data_normalizer"，只要任务涉及对某个数值字段做标准化处理，就应该使用此skill。 不负责四舍五入/小数位统一（见DC3_RoundOff）、文本清洗、类别编码或多字段联合统计分析。 |
| name_zh | 数据标准化算子 |
| 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":"field","type":"string","required":true,"description":"要标准化的字段名"},{"name":"method","type":"string","required":true,"description":"标准化方法：z_score/min_max"},{"name":"new_min","type":"string","required":false,"default":"0","description":"min_max的目标最小值"},{"name":"new_max","type":"string","required":false,"default":"1","description":"min_max的目标最大值"},{"name":"log_file","type":"string","required":false,"description":"日志文件路径"}] |
| output_params | [{"name":"output","type":"jsonl_file","description":"标准化后的JSONL文件"},{"name":"log_file","type":"json_file","description":"可选日志文件"}] |
| tag | 标准化 |
本 skill 对 JSONL 中的单一数值字段进行标准化处理，支持 Z-score 标准化和 Min-Max 归一化两种方式。 它会在保留原始值的同时写回标准化结果，并为每条命中的记录补充变更标记。
当用户请求以下任务时，应使用此 skill：
| 参数 | 说明 |
|---|---|
--input | 输入JSONL文件路径 |
--output | 输出JSONL文件路径 |
--field | 要标准化的字段名 |
--method | 标准化方法 |
| 参数 | 说明 | 默认值 |
|---|---|---|
--new_min | Min-Max 目标最小值 | 0 |
--new_max | Min-Max 目标最大值 | 1 |
--log_file | 日志文件路径 | - |
{"id": 1, "score": 87.65}
{"id": 2, "score": 120}
{"id": 3, "score": -5}
输入必须是 JSONL，每行是一条 JSON 记录。 目标字段应为可转成数值的字段；无法转换的值会被跳过。
python scripts/run_data_normalizer.py \
--input ./input.jsonl \
--output ./output.jsonl \
--field score \
--method z_score
python scripts/run_data_normalizer.py \
--input ./input.jsonl \
--output ./output.jsonl \
--field score \
--method min_max \
--new_min 0 \
--new_max 100
每条被处理记录会增加以下字段：
_{field}_normalized: true_{field}_original: 原始值示例输出：
{"id": 1, "score": 0.44, "_score_normalized": true, "_score_original": 87.65}
z_score 会按当前样本整体均值和标准差计算。min_max 在所有值相等时会统一映射为 new_min。