SKILLEMALL.ai
GitHub ↗ EN Войти

AF cupynumeric-parallel-data-load

Загрузка шардированного набора данных на диске (.npy, Parquet/Arrow, необработанные бинарные файлы, HDF5, пользовательские структуры) в распределенный массив cuPyNumeric ndarray через ручное разделение + запуск @task с вариантами CPU/OMP/GPU. Используйте, когда ни один загрузчик в один вызов не подходит, в том числе когда количество строк в каждом шарде отличается в разных файлах. Предпочитайте cupynumeric.load или legate.io.hdf5.from_file, когда они применимы.

машинный переводПоказать оригиналСкрыть оригинал«Load a sharded, on-disk dataset (sharded .npy, Parquet/Arrow, raw bina…»

Load a sharded, on-disk dataset (sharded .npy, Parquet/Arrow, raw binary, sharded HDF5, custom layouts) into a distributed cuPyNumeric ndarray via a manual partition + leaf @task launch with CPU/OMP/GPU variants. Use when no single-call loader fits, including when per-shard row counts differ across files. Prefer cupynumeric.load or legate.io.hdf5.from_file when they apply.

ClawHub Agent Skills автор: NVIDIA 1 файл тело ≈ 4 321 токенов Открыть источникclawhub.ai↗ проанализирован 27 ч назад

Загрузка шардированного набора данных на диске (.npy, Parquet/Arrow, необработанные бинарные файлы, HDF5, пользовательские структуры) в распределенный массив…

Как процесс F 34/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: assets/examples/parallel_npy_load.py, examples/dlpack/leaf_task_interop.py

ГенераторРазработкаДанные 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
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
F
34/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: assets/examples/parallel_npy_load.py, examples/dlpack/leaf_task_interop.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
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/examples/parallel_npy_load.py
  • предупреждение missing-ref ссылка на отсутствующий файл: examples/dlpack/leaf_task_interop.py

Процессный рейтинг: все десять параметров 34/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: assets/examples/parallel_npy_load.py, examples/dlpack/leaf_task_interop.py
  • 0Инструменты и файлы. Не хватает 2 файла(ов): assets/examples/parallel_npy_load.py, examples/dlpack/leaf_task_interop.py
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 30Повторный запуск. Изменяющих операций: 5, без проверки текущего состояния
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 70Стоимость исполнения. Тело инструкции 4321 токенов
  • 85Шаги. Шагов: 9, расплывчатых формулировок: 1
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы

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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +3Длина description 375 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (11 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.