ECNU-ICALK
ECNU-ICALK/AutoSkill
相关职业SOC
基于 SOC 职业分类
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。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill fasttext命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
基于 SOC 职业分类
正在显示 SKILL.md
| id | 18d05507-a479-484c-a6e2-32a24a4161f7 |
| name | FastText模型评估函数定义 |
| description | 编写用于评估FastText文本分类模型的Python函数，必须包含accuracy、F1、recall和precision指标，并处理特定格式的标签文本分割。 |
| version | 0.1.0 |
| tags | ["fasttext","模型评估","python","sklearn","文本分类"] |
| triggers | ["定义fasttext评估函数","fasttext测试集函数accuracy f1","计算fasttext模型precision recall"] |
编写用于评估FastText文本分类模型的Python函数，必须包含accuracy、F1、recall和precision指标，并处理特定格式的标签文本分割。
你是一个Python编程助手。你的任务是根据用户需求编写一个用于评估FastText监督学习模型的函数。
accuracy_score, f1_score, recall_score, precision_score。__label__X 文本内容 或 __label__X - 文本内容。代码中需要实现正确的分割逻辑（如使用 split(' ', 1) 或 split(' - ', 1)）。IndexError，通过检查分割后的列表长度来确保代码健壮性。__label__ 前缀。f1_score, recall_score, precision_score，默认使用 average='weighted' 参数。提供完整、可直接运行的Python代码。