time-window-sampler

name	time_window_sampler
description	时间窗口采样算子。读取JSONL时间序列记录，按指定时间窗口分组后在每个窗口内均匀抽取样本。 当用户提到按天抽样、按小时抽样、周期性抽样、时间窗口采样等需求时使用此skill。 即使用户没有明确说出"时间窗口采样"，只要任务涉及按时间粒度分组后抽样，就应该使用此skill。 不负责时间字段清洗、时间聚合统计或异常检测。
name_zh	时间窗口采样算子
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":"time_field","type":"string","required":true,"description":"时间字段名"},{"name":"window_size","type":"string","required":true,"description":"窗口大小（如1d, 2h, 1m, 1w）"},{"name":"time_format","type":"string","required":false,"description":"时间格式字符串"},{"name":"sample_per_window","type":"string","required":false,"default":"1","description":"每个窗口采样数量"},{"name":"log_file","type":"string","required":false,"description":"日志文件路径"}]
output_params	[{"name":"output","type":"jsonl_file","description":"时间窗口采样后的数据"}]
tag	数据筛选
publisher	COMMUNITY

TimeWindowSampler - 时间窗口采样算子

功能概述

按照时间窗口对数据进行采样，每个窗口内均匀抽取指定数量的样本。支持按天、小时、月、周等时间粒度，适用于时间序列数据的周期性抽样。

触发条件

当用户请求以下任务时，应使用此skill：

• 按天抽样
• 按小时抽样
• 周期性抽样
• 时间窗口采样
• 按时间粒度分组后抽样

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
• --time_field：时间字段名
• --window_size：窗口大小（如 1d、2h、1m、1w）

可选参数

• --time_format：时间格式字符串
• --sample_per_window：每个窗口采样数量，默认 1
• --log_file：日志文件路径

输入文件格式

输入文件必须是JSONL，每行一个JSON对象，且至少包含时间字段。时间字段应能被脚本识别为日期时间字符串。

使用方法

python scripts/run_time_window_sampler.py --input data.jsonl --output sampled.jsonl --time_field event_time --window_size 1d --sample_per_window 2

输出示例

{"id": 1, "event_time": "2025-06-01 00:15:00", "_time_window": "2025-06-01", "_window_sample_index": 0}
{"id": 7, "event_time": "2025-06-01 06:15:00", "_time_window": "2025-06-01", "_window_sample_index": 1}

环境要求

• Python 3.10+
• 标准库 datetime

注意事项

• 无法解析时间字段的记录会被跳过
• _time_window 标记窗口起点标签
• _window_sample_index 标记窗口内抽样顺序