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。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
無料GitHub で公開
invisible_char_cleaner
不可见字符清洗工具。移除零宽空格、BOM、软连字符、双向文本控制符、C0控制字符等 63 个码点 的不可见/干扰字符。当用户提到不可见字符、零宽空格、BOM 清除、控制字符清洗等需求时使用此skill。
含まれるファイル（4）
- SKILL.md3.1 KB
- scripts/data_io.py3.5 KB
- scripts/invisible_char_cleaner.py5.4 KB
- skill.json1.7 KB
SKILL.md（原文）
インストールする前に、エージェントに与えられる指示の中身を確認できます。
invisible_char_cleaner 不可见字符清洗Skill
功能概述
移除 63 个不可见/干扰码点，分 6 大类：(1) BOM（U+FEFF）；(2) 零宽空格/词连接符；(3) 双向文本标记（LRM/RLM/嵌入/隔离）；(4) 软连字符；(5) C0 控制字符（保留 \t \n \r）；(6) 其他（韩文填充符、蒙古文分隔符、行/段分隔符等）。
触发条件
- 不可见字符清洗 / 零宽空格清除
- BOM 清除
- 控制字符清洗
- 文本底层字符清理
- 多来源数据预处理
核心参数说明
必需参数
| 参数 | 说明 |
|---|---|
--input_path | 输入 CSV/TSV/Excel 等结构化文件路径 |
--output_path | 输出清洗后文件路径 |
可选参数
| 参数 | 说明 | 默认值 |
|---|---|---|
--text_columns | 需要处理的文本列，逗号分隔；不填则处理全部字符串列 | 全部字符串列 |
--keep_format | 保留 ZWJ/ZWNJ 等格式控制字符 | False |
输入文件格式
输入为结构化表格，文本列可包含 BOM、零宽字符、软连字符、双向控制符等不可见字符：
id,text
1,"wordbreak and softhyphen"
支持的文件格式
- CSV (.csv) / TSV (.tsv) / Excel (.xls, .xlsx) / SPSS (.sav)
使用方法
python scripts/invisible_char_cleaner.py \
--input_path <输入文件> \
--output_path <输出文件> \
[--text_columns col1,col2] \
[--keep_format]
参数说明
| 参数 | 必填 | 说明 |
|---|---|---|
--input_path | 是 | 输入文件路径 |
--output_path | 是 | 输出文件路径 |
--text_columns | 否 | 处理的文本列 |
--keep_format | 否 | 保留 ZWJ/ZWNJ（阿拉伯文等需要） |
输出示例
[OK] 不可见字符清洗完成 -> output.csv
文本列: ['text']
清理码点数: 63 （含ZWJ/ZWNJ）
环境要求
使用仓库内 Python 环境运行，无额外第三方依赖；读取/写入复用共享 data_io。
注意事项
- ZWJ（）和 ZWNJ（）默认删除，阿拉伯文/梵文场景使用
--keep_format - C0 控制字符保留 \t（制表符）、\n（换行）、\r（回车）
- 使用 translate 高速删除，不修改其他字符
レビュー
まだレビューはありません。使ってみた感想をお寄せください。
同じリポジトリのスキル
概要と使いどころ
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。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
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。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
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。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
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。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新
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。
日本語の概要は準備中です。原文の説明を表示しています。
cas-bigdatalab/piflow5412026年9月22日 更新