Communitygithub.com

CodeSoul-co/theta-skill

Skill de workflow d'agent portable pour la modélisation thématique THETA.

Qu'est-ce que theta-skill ?

Ce skill fournit un workflow d'agent portable pour guider les utilisateurs tout au long du processus de modélisation thématique avec THETA, depuis la clarification des intentions jusqu'à l'interprétation des résultats. Il met l'accent sur la sécurité en distinguant clairement les opérations en lecture seule (nécessitant aucune confirmation) des opérations modifiant l'environnement, les fichiers, le coût ou le calcul, qui exigent une confirmation explicite de l'utilisateur. Le skill s'adapte à la langue de l'utilisateur (chinois ou anglais) et propose un format structuré pour demander la confirmation avant d'exécuter des actions potentiellement coûteuses ou destructrices, comme le clonage de dépôt, l'installation de dépendances, l'utilisation d'API cloud ou l'entraînement de modèles. Il inclut également une aide pour l'inspection en lecture seule via un script Python pré-intégré (`inspect_theta_env.py`). Les plateformes supportées incluent les agents capables de lire un répertoire `SKILL.md` ou `skills/` et d'exécuter des commandes shell, à l'exclusion des APIs spécifiques à Codex. Le workflow recommandé suit dix étapes logiques, de l'identification de la demande à la suppression de fichiers, avec des références vers des fichiers de documentation détaillée pour les flux de confirmation, les commandes, l'analyse des résultats et les questions utilisateur.

Compatible avec✓Claude Code✓Codex CLI~Cursor
npx skills add CodeSoul-co/theta-skill

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Workflow THETA

Utilisez ce skill de workflow d'agent portable pour guider les utilisateurs à travers le travail de modélisation thématique THETA, de la clarification des intentions à l'interprétation des résultats. Adaptez-vous à la langue de l'utilisateur : utilisez le chinois pour les demandes en chinois et l'anglais pour les demandes en anglais. Ne présumez pas d'API spécifiques à Codex ; le workflow principal repose sur la lecture de fichiers, la demande de confirmation, l'exécution de commandes shell ordinaires une fois confirmées, et l'utilisation de l'assistant Python pré-intégré en lecture seule.

Protocole de sécurité de base

Distinguez l'inspection en lecture seule des opérations qui modifient des fichiers, des environnements, des coûts, du calcul ou de l'état git.

L'inspection en lecture seule et les conseils ne nécessitent pas de confirmation supplémentaire :

  • Lisez le README, la documentation, les scripts, les modèles de configuration et les fichiers de résultats.
  • Vérifiez la structure du dépôt, l'existence des fichiers, la version de Python, la présence de conda, la présence de .env, la présence du chemin du modèle, l'état git et les commandes disponibles.
  • Inspectez le schéma du jeu de données, le nombre de lignes, les noms de colonnes, le texte manquant, le texte en double, la longueur du texte, les colonnes de temps et les colonnes de covariables.
  • Recommandez des modèles, des paramètres, des plans d'expérience et des lignes de commande.
  • Résumez les métriques existantes, les mots-clés des sujets, les tables de sujets, les visualisations et les suggestions d'optimisation.

Les opérations qui nécessitent une confirmation explicite de l'utilisateur avant exécution :

  • Cloner ou tirer (pull) le dépôt THETA, changer de branche, commiter, fusionner ou pousser (push).
  • Créer des environnements conda, installer des dépendances ou exécuter scripts/env_setup.sh.
  • Créer ou modifier .env ; ne jamais imprimer, stocker ou renvoyer les clés API dans le chat.
  • Configurer ou utiliser des fournisseurs d'embedding cloud ; les appels API cloud peuvent engendrer des coûts et exposer le texte à un service externe.
  • Télécharger Qwen, SBERT ou d'autres modèles locaux.
  • Modifier, nettoyer, convertir ou écrire des jeux de données ; privilégier la création d'un nouveau fichier dérivé et ne jamais modifier les données originales par défaut.
  • Exécuter THOTA ou un entraînement de base, des comparaisons multi-modèles, des recherches d'hyperparamètres, des grands modèles locaux, des tâches intensives en GPU ou des commandes qui écrivent des résultats.
  • Générer des fichiers de rapport, écraser des sorties, supprimer des caches, supprimer des modèles, supprimer des données ou nettoyer des répertoires de résultats.

Lorsqu'une confirmation est requise, utilisez ce format :

我准备执行以下操作:

操作:
<brève action>

命令:
<commande, le cas échéant>

影响的文件或目录:
<chemins>

可能的资源消耗:
<calcul local / GPU / stockage / coût API / aucun>

是否会覆盖已有文件:
<oui / non>

请确认是否继续。

Pour les utilisateurs anglophones, utilisez le format anglais correspondant :

I am preparing to perform the following action:

Action:
<brève action>

Command:
<commande, le cas échéant>

Affected files or directories:
<chemins>

Potential resource usage:
<calcul local / GPU / stockage / coût API / aucun>

Will this overwrite existing files:
<oui / non>

Please confirm whether to continue.

Procédez uniquement après une confirmation explicite telle que 确认, 可以, 继续, 执行, yes, proceed, ou run it. Si la réponse est ambiguë, demandez à nouveau dans la langue de l'utilisateur.

Pour des flux de confirmation complets, des exemples et des tableaux de confirmation, lisez references/confirmation-flow.zh.md pour le chinois ou references/confirmation-flow.en.md pour l'anglais. Pour les questions préliminaires, lisez references/user-questions.md.

Règle d'Embedding

Utilisez l'embedding cloud uniquement pour les workflows zero_shot et seulement après avoir confirmé le coût API, le fournisseur, la présence de la clé et le risque de fuite de données.

Pour les workflows supervised, unsupervised ou tout workflow nécessitant un réglage fin (finetuning), exigez des embeddings locaux et des chemins de modèles locaux compatibles Qwen. Si l'utilisateur demande un embedding cloud pour un mode pouvant être affiné, expliquez que THETA nécessite des modèles locaux pour cette voie et proposez plutôt une configuration locale.

Workflow Recommandé

  1. Identifiez si la demande relève de la modélisation thématique THETA. Aucune confirmation n'est nécessaire pour cette décision d'orientation.
  2. Vérifiez immédiatement si un dépôt THETA utilisable existe avant la configuration de l'environnement, la conversion des données ou la planification de l'entraînement. Vérifiez la présence de README.md, .env.example, scripts/, et src/models/run_pipeline.py. Cette vérification en lecture seule ne nécessite pas de confirmation.
  3. Si aucun dépôt THETA n'existe, la première action consiste à demander une confirmation pour cloner https://github.com/CodeSoul-co/THETA.git. Ne configurez pas les environnements, n'installez pas de dépendances, ne créez pas de .env, n'inspectez pas les jeux de données et ne générez pas de commandes d'entraînement tant que le dépôt n'existe pas.
  4. Une fois le dépôt existant, posez uniquement les questions de tâche nécessaires dans la langue de l'utilisateur : chemin du jeu de données, colonne de texte, langue, colonne de temps, covariables, résultat cible et contraintes de ressources.
  5. Inspectez l'environnement, l'état de .env et le jeu de données en lecture seule. Utilisez scripts/inspect_theta_env.py lorsque l'inspection pré-vol déterministe est utile.
  6. Recommandez la famille de modèles et les paramètres en fonction des données et de l'objectif.
  7. Générez des commandes à examiner sans les exécuter.
  8. Avant d'exécuter toute commande modifiant, coûteuse, de longue durée, consommatrice de GPU ou écrivant des fichiers, obtenez une confirmation explicite en utilisant le format standard.
  9. Après exécution, lisez les sorties et expliquez la qualité des sujets, le chevauchement, la cohérence, la diversité, l'exclusivité et les prochaines étapes d'optimisation.
  10. Confirmez à nouveau avant d'exécuter des expériences d'optimisation supplémentaires, d'écrire des fichiers de rapport, d'écraser des sorties ou de supprimer quoi que ce soit.

Comportement d'Invocation

Lorsqu'un agent utilise ce skill, que ce soit en lisant SKILL.md, en chargeant le répertoire skills/theta-workflow/, ou par invocation nommée telle que $theta-workflow, traitez l'espace de travail actuel comme le premier candidat de dépôt THETA. Si l'espace de travail actuel n'est pas THETA, inspectez tout chemin fourni par l'utilisateur. Si aucun dépôt utilisable n'est trouvé, arrêtez-vous à l'étape de confirmation de clonage. Ne posez pas de questions sur le jeu de données et ne proposez pas de configuration d'environnement tant que la condition préalable du dépôt n'est pas satisfaite.

Exemples de premières invites utilisateur :

Utilisez le skill THETA Workflow dans skills/theta-workflow pour m'aider à exécuter une modélisation thématique THETA sur un jeu de données de textes politiques.
Utilisez le skill THETA Workflow dans skills/theta-workflow pour m'aider à exécuter une modélisation thématique THETA sur un jeu de données de textes politiques.

Si l'environnement d'exécution prend en charge la syntaxe de skill nommé, $theta-workflow est également acceptable.

Orientation des Références

  • Lisez references/workflow.md pour le flux de décision complet de bout en bout.
  • Lisez references/commands.md avant de générer des commandes THETA ; il répertorie les points d'entrée actuels du dépôt et les exigences de confirmation.
  • Lisez references/result-analysis.md lors de l'interprétation des fichiers de sortie ou de la recommandation d'optimisation.
  • Lisez references/user-questions.md lorsque vous interrogez l'utilisateur sur le jeu de données, la langue, l'objectif, les ressources ou les préférences de sortie.
  • Lisez references/confirmation-flow.zh.md lorsque des formulations ou exemples détaillés en chinois pour les confirmations sont nécessaires.
  • Lisez references/confirmation-flow.en.md lorsque des formulations ou exemples détaillés en anglais pour les confirmations sont nécessaires.

Script Pré-vol

Exécutez ce script uniquement pour une inspection en lecture seule :

python skills/theta-workflow/scripts/inspect_theta_env.py \
  --dataset chemin/vers/les/donnees.csv \
  --text-column contenu \
  --mode zero_shot

Ajoutez --json lorsque la sortie structurée est nécessaire. Le script ne doit pas écrire de fichiers, installer de dépendances, appeler des API ou démarrer un entraînement.

Skills associés