abbrev_expander
Free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。
The English summary is being prepared. Showing the original description.
cas-bigdatalab/piflow541Updated Oct 17, 2026
FreePublished on GitHub
duplicate_detector_fuzzy
模糊去重工具。使用标准库相似度匹配检测并处理数据集中的近似重复记录，可发现非完全一致但高度相似的记录。当用户提到模糊去重、近似重复检测、相似度去重、文本去重等需求时使用此skill。
The English summary is being prepared. Showing the original description.
Works withExcel
See how to installFiles included (4)
- SKILL.md2.1 KB
- scripts/example_input.json127 B
- scripts/run_duplicate_detector_fuzzy.py7.3 KB
- skill.json1.7 KB
SKILL.md (original)
Review the instructions the agent will receive before you install.
Duplicate Detector Fuzzy 模糊去重 Skill
功能概述
本skill使用标准库相似度算法检测数据集中的近似重复记录。
与精确去重不同，模糊去重可以发现内容高度相似但不完全相同的记录，如：
- 拼写略微不同的姓名
- 格式稍有差异的地址
- 包含少量错别字的文本
保留策略
| 策略 | 说明 |
|---|---|
first | 保留第一条记录 |
last | 保留最后一条记录 |
none | 删除所有重复记录 |
mark | 标记重复但不删除 |
使用方法
python scripts/run_duplicate_detector_fuzzy.py \
--input data.csv \
--output deduped.csv \
--subset "name" \
--similarity_threshold 0.9
参数说明
| 参数 | 必填 | 说明 |
|---|---|---|
--input | 是 | 输入文件路径 |
--output | 是 | 输出文件路径 |
--subset | 是 | 比对相似度的文本字段 |
--similarity_threshold | 否 | 相似度阈值(0-1)，默认0.9 |
--keep | 否 | 保留策略，默认"first" |
环境要求
pip install pandas openpyxl
Reviews
No reviews yet. Tell others what you thought.
Comments
No login needed. Share how it worked for you, ask a question, or note where it did not run.
No comments yet. Be the first to write one.
More skills from this repository
字母数字比例过滤器。过滤文本中字母/数字比例不在指定范围内的样本。 当用户提到文本过滤、比例筛选、字母比例、数字比例、清理乱码文本等需求时使用此skill。 即使用户没有明确说出"过滤"，只要任务涉及根据文本中字母或数字的比例来筛选数据， 就应该使用此skill。
The English summary is being prepared. Showing the original description.
cas-bigdatalab/piflow541Updated Oct 17, 2026
平均行长度过滤器。过滤文本平均行长度不在指定范围内的样本。 当用户提到行长度过滤、平均行长度、文本行长度筛选、按行筛选等需求时使用此skill。 即使用户没有明确说出"平均行长度"，只要任务涉及根据文本中每行的平均长度来筛选数据， 就应该使用此skill。
The English summary is being prepared. Showing the original description.
cas-bigdatalab/piflow541Updated Oct 17, 2026
batch_collector
Free批量文件清单采集器。扫描一个或多个本地文件/目录，或从任务列表加载路径， 按支持的扩展名生成文件元信息清单，供后续文本、表格、文档、图像等采集流程继续处理。 当用户需要批量盘点待采集文件、生成本地文件 manifest、统计输入文件类型或为后续采集算子准备文件清单时使用此 skill。
The English summary is being prepared. Showing the original description.
cas-bigdatalab/piflow541Updated Oct 17, 2026
批量数据均匀分片工具。读取json/jsonl/csv输入，按份数或固定条数切成多个子文件，输出一个清单JSON供下游节点消费。 当用户提到数据分割、批量拆分、数据分片、均匀分块等需求时使用此skill。 即使用户没有明确说出"分片"，只要任务是把整份批量数据均匀拆成多个文件，就应该使用此skill。 不负责按字段分组导出或随机采样。
The English summary is being prepared. Showing the original description.
cas-bigdatalab/piflow541Updated Oct 17, 2026
bdbe_cellanno
Free本skill是用于单细胞测序数据分析的专用技能，首先需要用户上传需要处理的单细胞测序数据，再对经过预处理的单细胞表达数据进行自动化细胞类型注释。它通过基因比对、数据标准化、降维等一系列流程，将细胞聚类结果与已知参考数据库进行匹配，从而为每个细胞分配生物学功能标签。
The English summary is being prepared. Showing the original description.
cas-bigdatalab/piflow541Updated Oct 17, 2026