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
specified_field_filter
指定字段过滤器。根据指定的字段信息进行筛选。支持对JSONL格式数据指定字段进行过滤。
本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到字段过滤、字段值筛选、元数据过滤、指定字段过滤、按字段值过滤等需求时使用此skill。
The English summary is being prepared. Showing the original description.
See how to installFiles included (5)
- SKILL.md3.3 KB
- assets/icon.png25.0 KB
- scripts/example_input.json422 B
- scripts/run_specified_field_filter.py3.2 KB
- skill.json2.0 KB
SKILL.md (original)
Review the instructions the agent will receive before you install.
功能概述
该算子根据指定字段的值进行过滤，保留字段值在目标值列表中的样本。支持嵌套字段和列表字段。
核心参数
| 参数 | 类型 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|
| input_path | string | 是 | - | 输入数据文件路径 (JSON/JSONL格式) |
| output_path | string | 是 | - | 输出数据文件路径 (JSONL格式) |
| field_key | string | 是 | - | 字段路径，用点号分隔，如 'meta.suffix' 或 'meta.path.test' |
| target_value | list | 是 | - | 目标值列表，如 ['.pdf', '.txt'] |
| num_proc | int | 否 | 1 | 并行处理的进程数 |
输入数据格式
输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含指定的字段：
{"text": "文本内容", "meta": {"suffix": ".pdf", "star": 50}}
支持嵌套字段：
{"text": "文本内容", "meta": {"path": {"test": ["txt", "json"]}}}
输出数据格式
输出为 JSONL 格式，每行一个符合条件的样本，保持原始字段结构。
使用示例
命令行调用
# 根据 meta.suffix 字段过滤
python scripts/run_specified_field_filter.py \
--input_path /path/to/input.jsonl \
--output_path /path/to/output.jsonl \
--field_key meta.suffix \
--target_value .pdf \
--target_value .txt
# 根据嵌套列表字段过滤
python scripts/run_specified_field_filter.py \
--input_path /path/to/input.jsonl \
--output_path /path/to/output.jsonl \
--field_key meta.path.test \
--target_value pdf \
--target_value txt \
--target_value json
参数说明
--input_path: 输入文件路径--output_path: 输出文件路径--field_key: 字段路径，支持嵌套（如 meta.suffix）--target_value: 目标值，可重复指定多个值--num_proc: 并行进程数，默认1
注意事项
field_key使用点号分隔多级字段（如meta.path.test）- 如果字段值是列表，则列表中所有值都必须在
target_value中才保留 - 这是
NON_STATS_FILTERS，不需要计算统计信息，处理效率较高
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