SKILLEMALL.ai
GitHub ↗ EN Войти

BC clean-csv-toolkit

Локальный набор инструментов для проверки и очистки CSV / TSV / JSONL. Профилирование, проверка, дедупликация, сравнение, предварительный просмотр (начало/конец/случайная выборка), фильтрация с помощью безопасного языка предикатов, сортировка, объединение, слияние (внутренние/левые/правые/полные соединения), сводные таблицы (агрегации группировки + широкие перекрестные таблицы), преобразование (производные столбцы с безопасным оценщиком выражений: прибыль = доход - стоимость, имя = верхний регистр(имя) + фамилия, год(дата), объединить()), и преобразование между csv/tsv/jsonl/json/markdown. Чистая стандартная библиотека Python 3, без pandas, без удаленных вызовов. Обрабатывает более 100 тыс. строк менее чем за 1 секунду.

машинный переводПоказать оригиналСкрыть оригинал«Local CSV / TSV / JSONL inspection and cleanup toolkit. Profile, valid…»

Local CSV / TSV / JSONL inspection and cleanup toolkit. Profile, validate, deduplicate, diff, preview (head/tail/random sample), filter with a safe predicate language, sort, concat, merge (inner/left/right/outer joins), pivot (group-by aggregations + wide cross-tabs), transform (derived columns with safe expression evaluator: profit = revenue - cost, name = upper(first) + last, year(date), coalesce()), and convert between csv/tsv/jsonl/json/markdown. Pure Python 3 standard library, no pandas, no remote calls. Handles 100k+ rows in under 1 second.

ClawHub Agent Skills автор: Gopendra Sharma v0.5.0 MIT-0 20 файлов · 1 скрипт тело ≈ 5 500 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Локальный набор инструментов для проверки и очистки CSV / TSV / JSONL.

Как процесс C 53/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
81/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
53
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 20. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 2, column 14: description: Local CSV / TSV / JSONL inspection and cleanup toolkit. Profile, v… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение body-long тело SKILL.md ≈ 5500 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 53/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
  • 55Ошибки и развилки. Развилок: 1
  • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 5500 токенов
  • 85Шаги. Шагов: 48, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • -32 из 17 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 552 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 26 заголовков
  • +3Пошаговые инструкции: 48 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (19 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 53.

Внешние проверки

ClawHub: clean
This is a local CSV/TSV/JSONL utility skill whose file access and writes match its stated data-cleanup purpose.
LLM: benign (high) · 28 мая 2026 г.