@@ -3,7 +3,7 @@ name: product-data
description: 从产品/标签定义、手写边界规则或示例 query 中提取标签边界，并生成可 review 的数据计划、dataset draft text 和 canonical metadata records。
when_to_use: 当用户提供产品定义、标签规则、路由边界文档、示例 query、手写标签边界，并希望生成训练/评测/专项数据时使用。
aliases: definition-data, label-data
allowed_tools: read_file, write_file, edit_file, grep_search, glob_search, ask_user_question, python_exec, data_agent_load_input_sources, data_agent_render_source_context, data_agent_extract_case_evidence, data_agent_prepare_generation_goal, data_agent_confirm_generation_goal, data_agent_prepare_generation_plan, data_agent_show_generation_plan, data_agent_update_generation_plan, data_agent_confirm_generation_plan
allowed_tools: read_file, edit_file, grep_search, glob_search, ask_user_question, python_exec, data_agent_load_input_sources, data_agent_render_source_context, data_agent_extract_case_evidence, data_agent_prepare_generation_goal, data_agent_confirm_generation_goal, data_agent_prepare_generation_plan, data_agent_show_generation_plan, data_agent_update_generation_plan, data_agent_confirm_generation_plan
---
使用这个 skill 作为“产品/标签定义/手写规则/示例 query -> 输入文本化 -> generation goal 草案 -> 人工 review -> 生成计划 review -> dataset draft text -> canonical metadata records”的统一入口。
@@ -168,9 +168,9 @@ review 展示必须简短清晰，不要重复解释工具和流程。每次 rev
8. 展示计划后停止本轮，等待用户 review。
9. 用户提出修改意见时，调用 `data_agent_update_generation_plan` ，再展示计划。
10. 用户明确确认当前计划版本后，调用 `data_agent_confirm_generation_plan` 。
11. 生成 dataset draft text v1。
12. 使用 `python_exec` 执行 `skills/product-data/scripts/normalize_dataset_draft.py` ，必须在输入 JSON 中传入 `confirmed_plan_id` ； `complex: true/false` 。
13. 使用 `python_exec` 执行 `skills/product-data/scripts/validate_dataset_records.py` 。
11. 分批 生成 dataset draft text v1，每批最多 8 条，不要用 `write_file` 保存 `draft_part*.txt` 这类中间草稿 。
12. 每生成一批，立刻 使用 `python_exec` 执行 `skills/product-data/scripts/normalize_dataset_draft.py` ：通过 `stdin` 传入小批量 JSON，必须带 `confirmed_plan_id` 、 `records_output_path="scratchpad/normalized_records.jsonl"` 、 `append=true` 、 `return_records=false` ； `complex: true/false` 。
13. 所有批次 normalize 完成后， 使用 `python_exec` 执行 `skills/product-data/scripts/validate_dataset_records.py` ，传 `records_path="scratchpad/normalized_records.jsonl"`
14. 如果用户要求落盘 canonical records，使用 `python_exec` 执行 `skills/product-data/scripts/export_dataset_records.py` ，逻辑输出固定为 `output/records.jsonl` ，默认导出紧凑 JSONL，并同时生成同目录 `records.csv` 表格，不要用 `write_file` 手写 JSON 或 CSV。
15. 如果用户已经明确要训练数据，使用 `python_exec` 执行 `skills/product-data/scripts/export_training_jsonl.py` ，优先传 `records_path` ，输出固定为 `output/training.jsonl` 。
16. 如果用户已经明确要评测 planningPrompt 数据，使用 `python_exec` 执行 `skills/product-data/scripts/export_planning_eval_csv.py` ，优先传 `records_path` ，输出固定为 `output/eval_planning.csv` 。
@@ -178,11 +178,11 @@ review 展示必须简短清晰，不要重复解释工具和流程。每次 rev
生成阶段要避免一次性把大量数据塞进工具参数：
- 单次 `normalize_dataset_draft.py` 最多处理 8 条 case；计划数量更多时，分批生成、分批 normalize，再汇总 校验和导出。
- 单次 `normalize_dataset_draft.py` 最多处理 8 条 case；计划数量更多时，分批生成、分批 normalize 到同一个 `scratchpad/normalized_records.jsonl` ，再统一 校验和导出。
- dataset draft 中的 Agent target 推荐写成单引号形式，例如 `target: Agent(tag='地图导航')` 。工具会规范化为 `Agent(tag="地图导航")` ，这样可以降低 tool call JSON 里双引号转义失败的概率。
- `complex:` 独立写一行，不要写进 `target:` ；工具会在导出训练数据和流转表格时自动组合成 `complex=false\nAgent(...)` 。
- 如果 draft 已经保存在文件中，优先传 `draft_path` ，不要再把大段 `draft_text` 作为工具参数传入 。
- 校验和导出 records 时，如果 records 已经保存在 JSON/JSONL 文件中，优先传 `records_path`
- 不要调用 `write_file` 保存模型新生成的 dataset draft；只有用户已经提供 draft 文件时，才使用 `draft_path`
- 校验和导出 records 时，优先传 `records_path="scratchpad/normalized_records.jsonl"` ，不要把大量 records 数组塞进工具参数 。
## 数据生成输出格式
@@ -384,6 +384,20 @@ skills/product-data/scripts/normalize_dataset_draft.py
用途：把 dataset draft text v1 转成 canonical records。每条 case 推荐包含 `complex: true/false` ；旧草稿缺失时会按 `false` 兼容。
大批量生成时必须把每批 normalize 结果追加到同一个 records 文件，避免大段 records 在模型上下文和工具参数里来回传递：
``` json
{
"draft_text" : "# dataset_label: 地图导航\n\n### case: ..." ,
"batch_id" : "map_nav_batch_01" ,
"source_type" : "generated" ,
"confirmed_plan_id" : "data_plan_000001" ,
"records_output_path" : "scratchpad/normalized_records.jsonl" ,
"append" : true ,
"return_records" : false
}
```
调用方式示例：
``` text
@@ -502,7 +516,6 @@ skills/product-data/scripts/export_planning_eval_csv.py
## 当前可用工具
- `read_file` ：读取用户提供的产品定义、标签定义、样例 query 文件。
- `write_file` ：在用户确认后落盘 draft、校验结果或说明文档；不要用它手写 canonical records 文件。
- `edit_file` ：修改已有的计划、说明文档或生成结果文件。
- `grep_search` ：在项目中搜索已有标签定义、历史数据样例或相关文档。
- `glob_search` ：按路径模式查找定义文件、样例文件或历史产物。
@@ -517,7 +530,7 @@ skills/product-data/scripts/export_planning_eval_csv.py
- `data_agent_show_generation_plan` ：用户要求查看当前计划，或继续上下文时需要恢复计划详情时使用。
- `data_agent_update_generation_plan` ：用户对计划提出修改意见后使用，更新计划并重新展示。
- `data_agent_confirm_generation_plan` ：用户明确确认当前计划版本后使用，获取 `confirmed_plan_id` 。
- `normalize_dataset_draft.py` ：用户确认计划后，把 dataset draft text v1 转成 canonical records；输入 JSON 必须带 `confirmed_plan_id` ； 支持 `draft_text` 或 `draft_path` ，大草稿优先 `draft_path` ；每条 case 要写 `complex: true/false `
- `normalize_dataset_draft.py` ：用户确认计划后，把 dataset draft text v1 转成 canonical records；输入 JSON 必须带 `confirmed_plan_id` ； 模型新生成的数据优先用小批量 `draft_text` 直接 stdin 输入，设置 `records_output_path` 、 `append=true` 、 `return_records=false` ；只有用户已提供草稿文件时才使用 `draft_path `
- `validate_dataset_records.py` ：对 canonical records 做结构、标签、时间戳和多轮上下文校验；支持 `records` 或 `records_path` 。
- `export_dataset_records.py` ：校验 canonical records 并落盘；支持 `records` 或 `records_path` ；默认写紧凑 JSONL，一行一条，固定传 `output/records.jsonl` ，并同时生成 `output/records.csv` 表格，不要再用 `write_file` 手写 records 或表格文件。
- `export_training_jsonl.py` ：把 canonical records 转成训练 JSONL；支持 `records` 或 `records_path` ；默认写 `output/training.jsonl` ； `output` 自动包含 `complex` 行。
wuyang6