菜单
表格文件采集工具。读取单个表格文件或目录中的 csv、tsv、xlsx、xls 文件，执行行记录采集，输出统一结构化表格记录文件。 当用户提到表格采集、读取科研数据表、汇总 CSV/TSV/Excel 表格、把本地表格文件转成结构化记录等需求时使用此 skill。 即使用户没有明确说出"表格采集"，只要任务涉及把本地结构化表格文件内容收集成统一记录，就应该使用此 skill。 不负责表格清洗、空行删除、字段去空格、格式校验、字段过滤或格式转换。
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 | table_collector |
| description | 表格文件采集工具。读取单个表格文件或目录中的 csv、tsv、xlsx、xls 文件，执行行记录采集，输出统一结构化表格记录文件。 当用户提到表格采集、读取科研数据表、汇总 CSV/TSV/Excel 表格、把本地表格文件转成结构化记录等需求时使用此 skill。 即使用户没有明确说出"表格采集"，只要任务涉及把本地结构化表格文件内容收集成统一记录，就应该使用此 skill。 不负责表格清洗、空行删除、字段去空格、格式校验、字段过滤或格式转换。 |
| name_zh | 表格类数据采集接入算子 |
| input_params | [{"name":"input","type":"string","required":true,"description":"输入表格文件或目录路径"},{"name":"output","type":"string","required":true,"description":"输出文件路径"},{"name":"encoding","type":"string","required":false,"default":"auto","description":"CSV/TSV 文件编码，默认 auto 自动检测"},{"name":"recursive","type":"string","required":false,"default":"False","description":"是否递归采集子目录中的表格文件"},{"name":"add_metadata","type":"string","required":false,"default":"True","description":"是否为每行记录添加来源文件元信息"},{"name":"output_format","type":"string","required":false,"default":"jsonl","description":"输出格式，支持 jsonl/json/csv/auto"}] |
| output_params | [{"name":"output","type":"jsonl_file","description":"采集后的结构化表格记录文件"}] |
| tag | 采集 |
本 skill 用于读取单个结构化表格文件或目录中的表格文件，将每一行采集为统一结构化记录，并输出为 JSONL、JSON 或 CSV。
当用户请求以下任务时，应使用此 skill：
不适用于 PDF 表格抽取、图片表格识别、表格清洗、空行删除、字段去空格、格式结构校验、字段过滤或格式转换；这些任务需要使用对应的文档、图像、清洗、校验、筛选或转换 skill。
| 参数 | 说明 |
|---|---|
--input | 输入表格文件或目录路径 |
--output | 输出文件路径 |
| 参数 | 说明 | 默认值 |
|---|---|---|
--encoding | CSV/TSV 文件编码，auto 会按常见编码尝试读取 | auto |
--recursive | 是否递归采集子目录中的表格文件 | False |
--add_metadata | 是否为每行记录添加 _meta 来源文件元信息 | True |
--output_format | 输出格式，支持 jsonl、json、csv、auto | jsonl |
输入可以是单个受支持表格文件，也可以是包含受支持表格文件的目录。目录模式只采集 .csv、.tsv、.xlsx、.xls，其它扩展名会跳过。
input_dir/
station_observations.csv
station_observations.tsv
nested/station_observations.xlsx
skip.txt
python scripts/run_table_collector.py \
--input ./input_dir \
--output ./table_collector_output.jsonl \
--encoding auto \
--recursive true \
--add_metadata true \
--output_format jsonl
python scripts/run_table_collector.py \
--input ./station_observations.csv \
--output ./table_collector_output.json \
--output_format json
| 输入文件 | 参数效果 | 预期结果 |
|---|---|---|
station_observations.csv | 支持的 .csv 文件 | 每个数据行采集为一条记录 |
station_observations.tsv | 支持的 .tsv 文件 | 每个数据行采集为一条记录 |
nested/station_observations.xlsx | --recursive true | 每个数据行采集为一条记录 |
skip.txt | 非支持扩展名 | 不进入采集列表 |
{"sample_id": "QYZ-001", "domain": "forest", "value": "12.4", "_meta": {"source_file": "station_observations.csv", "filename": "station_observations.csv", "row_count": 12, "collected_at": "2026-06-12 10:00:00"}}
使用仓库内 Python 环境运行；Windows bash 下建议加 PYTHONIOENCODING=utf-8 避免中文控制台编码问题。Excel 读取需要运行环境已安装 openpyxl。
--recursive false 时只扫描输入目录第一层文件。--add_metadata false 时输出记录只包含原始表格字段。--output_format auto。