OpenParable
Skip to content
← Back to skills

Tsv Formatter

Documents
tsv_formatter

Tsv Formatter is an Agent Skill for documents published in the cas-bigdatalab/piflow repository on GitHub: a SKILL.md instruction file an AI agent can load to do this task.

TSV格式化器。用于加载和格式化tsv类型的文件。 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TSV格式化、TSV数据加载、读取TSV文件、TSV转JSONL等需求时使用此skill。

View on GitHub ↗
QUICK START

How to use this skill

Bring this guide into your coding agent with a prompt tailored to the tool you use.

  1. Open your project in Codex.
  2. Copy and paste the prompt below.
  3. Review files and risks before approving any action.
Prompt to paste
Inspect the Agent Skill at https://github.com/cas-bigdatalab/piflow/blob/HEAD/workspace/skills/tsv_formatter/SKILL.md and all supporting files. Report provenance, permissions, scripts, dependencies, and security risks. Propose an exact installation into .agents/skills/tsv-formatter, but wait for my approval before writing files or running scripts.

Copying this prompt does not install or run the skill. Review third-party files before use.

功能概述

该算子用于加载 TSV（Tab-Separated Values）格式的文件并格式化为统一的数据集格式，输出为 JSONL 格式。

核心参数

参数类型必填默认值说明
input_pathstring是-输入TSV文件路径或目录
output_pathstring是-输出JSONL文件路径
text_keyslist否['text']文本字段名列表
add_suffixbool否False是否添加文件后缀信息
num_procint否1并行处理的进程数

输入数据格式

输入可以是：

  1. 单个 TSV 文件：/path/to/data.tsv
  2. TSV 文件目录：/path/to/tsv_directory/

输出数据格式

输出为 JSONL 格式，每行一个样本。

使用示例

命令行调用

# 加载单个TSV文件
python scripts/run_tsv_formatter.py \
  --input_path /path/to/input.tsv \
  --output_path /path/to/output.jsonl

# 指定文本字段
python scripts/run_tsv_formatter.py \
  --input_path /path/to/input.tsv \
  --output_path /path/to/output.jsonl \
  --text_keys text

# 加载目录中的所有TSV文件
python scripts/run_tsv_formatter.py \
  --input_path /path/to/tsv_directory \
  --output_path /path/to/output.jsonl \
  --add_suffix

参数说明

  • --input_path: 输入TSV文件或目录路径
  • --output_path: 输出JSONL文件路径
  • --text_keys: 文本字段名，可重复指定多个（默认 ['text']）
  • --add_suffix: 是否添加文件后缀信息
  • --num_proc: 并行进程数，默认1

注意事项

  1. TSV 使用 Tab (\t) 作为分隔符
  2. 输入文件必须是有效的 TSV 格式
  3. 空值或None的文本样本会被自动过滤