SKILLEMALL.ai
GitHub ↗ EN Войти

AF cupynumeric-hdf5

Чтение и запись больших массивов cuPyNumeric в HDF5 с использованием параллельного распределенного ввода-вывода HDF5 Legate (legate.io.hdf5: to_file, from_file, from_file_batched). Используйте, когда разработчику нужно сохранить массив cuPyNumeric в файл .h5/.hdf5, загрузить набор данных HDF5 в распределенный массив cuPyNumeric, прочитать большой набор данных HDF5 по частям, передать массивы в HPC-конвейер в виде одного файла, или ускорить дисковый ввод-вывод HDF5 с помощью GPUDirect Storage (GDS). Не используйте для Parquet/cuDF/raw-binary или других разделенных/пользовательских макетов (см. навык cupynumeric-parallel-data-load), Zarr или объектного хранилища/S3, архивов .npz или pickle, обычного h5py без cuPyNumeric, или чистого вычисления массивов, такого как FFT, matmul или редукции.

машинный переводПоказать оригиналСкрыть оригинал«Read and write large cuPyNumeric arrays to HDF5 with Legate's parallel…»

Read and write large cuPyNumeric arrays to HDF5 with Legate's parallel, distributed HDF5 I/O (legate.io.hdf5: to_file, from_file, from_file_batched). Use when a developer needs to save a cuPyNumeric array to an .h5/.hdf5 file, load an HDF5 dataset into a distributed cuPyNumeric array, read a large HDF5 dataset in chunks, hand arrays to an HPC pipeline as a single file, or accelerate HDF5 disk I/O with GPUDirect Storage (GDS). Do not use it for Parquet/cuDF/raw-binary or other sharded/custom layouts (see the cupynumeric-parallel-data-load skill), Zarr or object-store/S3 output, .npz or pickled archives, plain h5py without cuPyNumeric, or pure array compute such as FFT, matmul, or reductions.

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 2 596 токенов Открыть источникclawhub.ai↗ проанализирован 23 ч назад

Чтение и запись больших массивов cuPyNumeric в HDF5 с использованием параллельного распределенного ввода-вывода HDF5 Legate (legate.io.hdf5: tofile, fromfile…

Как процесс F 65/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: assets/hdf5_roundtrip.py, assets/hdf5_batched_read.py

ГенераторДанные 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
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
Прогон на моделях
не было
Процессный рейтинг
F
65/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: assets/hdf5_roundtrip.py, assets/hdf5_batched_read.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
70
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: assets/hdf5_roundtrip.py
  • предупреждение missing-ref ссылка на отсутствующий файл: assets/hdf5_batched_read.py

Процессный рейтинг: все десять параметров 65/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: assets/hdf5_roundtrip.py, assets/hdf5_batched_read.py
  • 0Инструменты и файлы. Не хватает 2 файла(ов): assets/hdf5_roundtrip.py, assets/hdf5_batched_read.py
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 70Входы и предусловия. Входные данные и предусловия перечислены
  • 100Шаги. Шагов: 22
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2596 токенов
  • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Разделов верхнего уровня: 12. 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
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 699 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (5 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.