AI Dataset Generator
Potok oparty na SQLite, który generuje, weryfikuje, deduplikuje i eksportuje zestawy danych treningowych SFT/DPO.
Testowano · Działa
Co robi ten skill
Uruchamia deterministyczny lokalny potok (generuj, weryfikuj heurystycznie + za pomocą sędziego LLM, deduplikuj shingle, eksportuj zgodnie ze schematem z kartą danych) do budowania zestawów danych do dostrajania SFT lub DPO z tematów, adresów URL lub istniejących plików JSONL/CSV. Wyzwalana przez prośby o generowanie, czyszczenie, weryfikację lub eksportowanie zestawów danych treningowych dla Codex, Antigravity lub Claude Code.
Raport z testu
Uruchomiono rzeczywisty potok SQLite od początku do końca (import 5 przygotowanych rekordów SFT z Python comprehension, recenzja sędziego LLM, deduplikacja, eksport) i wygenerowano działający plik flat_train.jsonl oraz naprawdę użyteczną kartę DATA_CARD.md z rozkładem wyników sędziego i trudności — ale dokładna dwuetapowa sekwencja poleceń weryfikacyjnych wydrukowana w numerowanym przepływie pracy samego SKILL.md cicho przetwarza 0 rekordów za drugim razem, ponieważ krok 6 już przeniósł rekordy ze statusu raw_generated, który filtruje krok 7.
Testowano: 2026-07-15 · Claude Code 2.x (agent harness)
Instalacja
git clone https://github.com/Bhanunamikaze/AI-Dataset-Generator cd AI-Dataset-Generator mkdir -p ~/.claude/skills cp -r . ~/.claude/skills/dataset-generator
Komendy i przykładowe prompty
/dataset-generatorPotok oparty na SQLite, który generuje, weryfikuje, deduplikuje i eksportuje zestawy danych treningowych SFT/DPO.
Skille uruchamiają się na zwykłe polecenia — bez komend do zapamiętania. Po instalacji aktywują go prompty takie jak te (po angielsku):
Generate a small SFT training dataset of Python Q&A pairs for fine-tuningDedupe and verify this JSONL dataset before I export it for DPO trainingBuild a fine-tuning dataset from these URLs with an adversarial judge pass