Communitygithub.com

David-Li0406/meta-skill-evloving

Un module Python pour charger des images et leurs fichiers de légende depuis un répertoire, les filtrer à l'aide de motifs de recherche spécifiques (wildcards et limites de mots), et copier les fichiers correspondants vers un nouvel emplacement.

Qu'est-ce que meta-skill-evloving ?

Ce skill fournit un module Python complet pour gérer des ensembles de données d'images avec des légendes. Il permet de charger automatiquement depuis un dossier des images (PNG, JPG, etc.) et leurs fichiers texte associés (.txt, .caption), d'extraire les dimensions des images via Pillow, puis de filtrer les entrées selon des motifs textuels flexibles. La logique de recherche inclut la conversion de motifs simples (avec wildcards `*`) en expressions régulières, avec gestion des limites de mots (`\b`) et support de listes séparées d'inclusion et d'exclusion. Le module est particulièrement utile pour les développeurs travaillant sur des datasets d'entraînement en vision par ordinateur ou en génération d'images, qui ont besoin d'isoler rapidement des sous-ensembles d'images en fonction du contenu textuel de leurs légendes, sans manipulation manuelle. Il s'intègre facilement dans des pipelines Python existants et repose uniquement sur des bibliothèques standards et Pillow.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/David-Li0406/meta-skill-evloving/tree/HEAD/AutoSkill/SkillBank/ConvSkill/english_gpt4_8_GLM4.7/python-image-caption-dataset-manager

Demander à votre IA préférée

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

Documentation

Gestionnaire de Datasets d'Images avec Légendes (Python)

Un module Python pour charger des images et leurs fichiers de légende depuis un répertoire, les filtrer à l'aide de motifs de recherche spécifiques (wildcards et limites de mots), et copier les fichiers correspondants vers un nouvel emplacement.

Prompt

Rôle & Objectif

Vous êtes un développeur Python spécialisé dans la gestion de datasets. Votre tâche est de créer un module qui charge des images et leurs fichiers de légende correspondants, filtre les images en fonction du texte des légendes à l'aide de règles de correspondance de motifs spécifiques, et copie les résultats filtrés vers un nouveau répertoire.

Style de Communication & Préférences

  • Fournissez un code Python complet et exécutable.
  • Utilisez les bibliothèques standard (os, shutil, re) et Pillow (PIL) pour la gestion des images.
  • Assurez-vous que le code est robuste et gère correctement les extensions de fichiers.

Règles Opérationnelles & Contraintes

  1. Structures de données :

    • Définissez une classe Caption avec un attribut de chaîne caption.
    • Définissez une classe Image avec image_file (str), width (int), height (int) et captions (List[Caption]).
  2. Logique de chargement (load_path) :

    • Accepte un chemin de répertoire.
    • Identifie les fichiers image (par exemple, .png, .jpg, .jpeg, .webp, .bmp, .gif).
    • Pour chaque image, ouvrez-la avec Pillow pour obtenir les dimensions.
    • Vérifiez la présence de fichiers de légende avec le même nom de base mais les extensions .txt ou .caption.
    • Chargez le texte des légendes dans des objets Caption.
    • Renvoie une liste d'objets Image.
  3. Logique de recherche (regex_from_pattern et match_caption) :

    • Conversion de motifs : Implémentez regex_from_pattern pour convertir les chaînes de recherche utilisateur en chaînes regex.
      • Échappez les caractères regex spéciaux dans le motif d'entrée.
      • Gérez les wildcards (*) :
        • Si le motif commence par *, il correspond à n'importe quel préfixe (remplacez * de début par .*).
        • Si le motif se termine par *, il correspond à n'importe quel suffixe (remplacez * de fin par .*).
        • S'il n'y a pas de wildcard à une limite, imposez une limite de mot (\b).
      • Gérez les espaces : Assurez-vous que les espaces dans les motifs sont traités comme des espaces littéraux (correspondance de phrases).
    • Stratégie de correspondance :
      • Utilisez deux listes distinctes : include_patterns et exclude_patterns. N'utilisez pas de préfixe -.
      • Exclusion : Si une légende correspond à un motif de exclude_patterns, elle est immédiatement rejetée.
      • Inclusion : Si include_patterns n'est pas vide, la légende doit correspondre à au moins un motif de la liste pour être acceptée.
      • La correspondance est insensible à la casse.
  4. Logique de copie (copy_image_and_caption) :

    • Accepte un objet Image, un répertoire source et un répertoire de destination.
    • Copiez le fichier image vers la destination.
    • Copiez tout fichier de légende associé (basé sur le nom de fichier d'origine) vers la destination.
    • Créez les répertoires de destination s'ils n'existent pas.

Anti-Patterns

  • N'utilisez pas une seule liste avec des préfixes - pour l'exclusion ; utilisez deux listes distinctes.
  • Ne faites pas correspondre des mots partiels sauf si des wildcards sont explicitement utilisés (par exemple, "male" ne doit pas correspondre à "female").
  • N'ignorez pas les espaces dans les motifs de recherche multi-mots.

Déclencheurs

  • créer un module python pour charger des images et des légendes
  • filtrer les images par texte de légende avec des wildcards
  • rechercher des légendes avec des motifs d'inclusion et d'exclusion
  • copier les images et légendes filtrées vers un nouveau dossier
  • chargeur de dataset python avec recherche regex

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

David-Li0406/meta-skill-evloving

Browser automation with persistent page state. Use when users ask to navigate websites, fill forms, take screenshots, extract web data, test web apps, or automate browser workflows. Trigger phrases include "go to [url]", "click on", "fill out the form", "take a screenshot", "scrape", "automate", "test the website", "log into", or any browser interaction request.

David-Li0406/meta-skill-evloving

Create technical diagrams using Mermaid syntax for architecture, sequences, ERDs, flowcharts, and state machines. Use for visualizing system design, data flows, and processes. Triggers: diagram, mermaid, architecture diagram, sequence diagram, flowchart, ERD, entity relationship, state diagram, C4 model, component diagram, visualize, draw.

David-Li0406/meta-skill-evloving

Comprehensive document creation, editing, and analysis with support for tracked changes, comments, formatting preservation, and text extraction. When Claude needs to work with professional documents (.docx files) for: (1) Creating new documents, (2) Modifying or editing content, (3) Working with tracked changes, (4) Adding comments, or any other document tasks

David-Li0406/meta-skill-evloving

Complete color manipulation and green screen effects system. PROACTIVELY activate for: (1) Green screen/chromakey removal, (2) Color grading with LUTs, (3) Color correction (levels, curves, white balance), (4) Colorkey/color removal effects, (5) Hue/saturation manipulation, (6) Color space conversions (BT.709, BT.2020, HDR), (7) Color isolation effects, (8) Teal and orange look, (9) Vintage/film looks, (10) Color keying for transparency. Provides: chromakey and colorkey filters, LUT application (lut3d), curves and levels adjustment, color balance, selective color manipulation, color space handling, HDR tone mapping, professional color grading chains.

David-Li0406/meta-skill-evloving

Convert files and office documents to Markdown. Supports PDF, DOCX, PPTX, XLSX, images (with OCR), audio (with transcription), HTML, CSV, JSON, XML, ZIP, YouTube URLs, EPubs and more.

David-Li0406/meta-skill-evloving

Guide for creating high-quality MCP (Model Context Protocol) servers that enable LLMs to interact with external services through well-designed tools. Use when building MCP servers to integrate external APIs or services, whether in Python (FastMCP) or Node/TypeScript (MCP SDK).

David-Li0406/meta-skill-evloving

Build with OpenAI's stateless APIs - Chat Completions (GPT-5, GPT-4o), Embeddings, Images (DALL-E 3), Audio (Whisper + TTS), and Moderation. Includes Node.js SDK and fetch-based approaches for Cloudflare Workers. Use when: implementing chat completions with GPT-5/GPT-4o, streaming responses with SSE, using function calling/tools, creating structured outputs with JSON schemas, generating embeddings for RAG (text-embedding-3-small/large), generating images with DALL-E 3, editing images with GPT-Image-1, transcribing audio with Whisper, synthesizing speech with TTS (11 voices), moderating content (11 safety categories), or troubleshooting rate limits (429), invalid API keys (401), function calling failures, streaming parse errors, embeddings dimension mismatches, or token limit exceeded.

David-Li0406/meta-skill-evloving

Comprehensive PDF manipulation toolkit for extracting text and tables, creating new PDFs, merging/splitting documents, and handling forms. When Claude needs to fill in a PDF form or programmatically process, generate, or analyze PDF documents at scale.

David-Li0406/meta-skill-evloving

Presentation creation, editing, and analysis. When Claude needs to work with presentations (.pptx files) for: (1) Creating new presentations, (2) Modifying or editing content, (3) Working with layouts, (4) Adding comments or speaker notes, or any other presentation tasks

David-Li0406/meta-skill-evloving

Comprehensive spreadsheet creation, editing, and analysis with support for formulas, formatting, data analysis, and visualization. When Claude needs to work with spreadsheets (.xlsx, .xlsm, .csv, .tsv, etc) for: (1) Creating new spreadsheets with formulas and formatting, (2) Reading or analyzing data, (3) Modify existing spreadsheets while preserving formulas, (4) Data analysis and visualization in spreadsheets, or (5) Recalculating formulas

David-Li0406/meta-skill-evloving

Download YouTube videos with customizable quality and format options. Use this skill when the user asks to download, save, or grab YouTube videos. Supports various quality settings (best, 1080p, 720p, 480p, 360p), multiple formats (mp4, webm, mkv), and audio-only downloads as MP3.

David-Li0406/meta-skill-evloving

Best practices for Remotion - Video creation in React

David-Li0406/meta-skill-evloving

Provides bidirectional translation (Chinese/English), grammar checking, and sentence polishing. Supports specific tense constraints, context-aware tone adjustment, and natural expression optimization. Outputs direct text without formatting.

David-Li0406/meta-skill-evloving

指导如何通过自定义注解(如@Unicom)标识Dubbo接口,利用BeanDefinitionRegistryPostProcessor在启动时扫描并动态注册ReferenceBean,实现RPC调用的封装。

David-Li0406/meta-skill-evloving

生成Python脚本,利用FFmpeg将图片序列按3x3布局合并,或将合并图拆分。要求使用subprocess模块执行命令,并支持用户交互式输入路径。

David-Li0406/meta-skill-evloving

SOP for extracting and analyzing promotional activity details, handling time formatting, location mapping, payment logic, and step-by-step process validation.

David-Li0406/meta-skill-evloving

Specializes in creating TikTok short video scripts using an anthropomorphic 'Chef' perspective to explain wildlife food chains and survival environments, utilizing real field footage.

David-Li0406/meta-skill-evloving

针对TikTok平台,以拟人化视角(如动物作为厨师)创作系列短视频脚本。重点介绍野生动物、食物链及生态环境,要求使用野外实拍素材,风格幽默且具有教育意义。

David-Li0406/meta-skill-evloving

Generates KWL (Know, Want to know, Learned) charts for educational videos, specifically BrainPOP, using simple 7th-grade language and short, concise bullet points.

David-Li0406/meta-skill-evloving

Tracks complex, multi-session work using the Beads issue tracker and dependency graphs, and provides persistent memory that survives conversation compaction. Use when work spans multiple sessions, has complex dependencies, or needs persistent context across compaction cycles. Trigger with phrases like "create task for", "what's ready to work on", "show task", "track this work", "what's blocking", or "update status".

Skills associés