Skill_Seekers Jupyter 笔记本转 Skill：analysis.md 参考文件结构全解析-北京尧图网络

人工智能AI 应用AI 技能RAGMCP 服务网页爬虫【免费下载链接】Skill_SeekersConvert documentation websites, GitHub repositories, and PDFs into Claude AI skills with automatic conflict detection项目地址https://gitcode.com/gh_mirrors/sk/Skill_Seekers点击查看免费下载Jupyter Notebook.ipynb是数据科学、机器学习与实验性分析中最常见的代码载体而 Skill_Seekers 的 Jupyter 抓取器Jupyter Notebook Scraper负责将其转换为结构化的 Claude AI Skill。tests/golden/phase2/jupyter/references/analysis.md正是该转换管线的黄金输出golden output参考文件它逐节呈现了一个分析笔记本analysis.ipynb被解析后的最终形态。本文以该文件为骨架结合仓库源码 jupyter_scraper.py、scraper_utils.py 与黄金测试 test_phase2_golden_jupyter.py完整讲解 notebook 到 Skill 的转换流程、参考文件的每一节如何生成、各类单元格cell如何被编码为 Markdown以及如何用一条命令复现同样的产物。从 .ipynb 到 Skill转换管线一览Skill_Seekers 的 Jupyter 支持由JupyterToSkillConverter类实现jupyter_scraper.py它继承自DocumentSkillBuilder复用其加载/构建编排、参考文件封装与文件名解析机制但针对 notebook 单元结构重写了内容分类、逐节参考体、index.md与SKILL.md的生成逻辑。一次典型的转换分为四个阶段提取Extractextract_notebook()使用nbformatv4读取一个或多个.ipynb文件逐 cell 解析为结构化的 section 字典并把中间结果落盘为{name}_extracted.jsonjupyter_scraper.py。分类Categorizecategorize_content()将全部 section 归入一个或多个分类category分类决定了参考文件的命名与数量jupyter_scraper.py。生成参考文件每个分类对应一个references/*.md其中analysis.md就是本文解析的对象jupyter_scraper.py。生成索引与 Skill 主文件references/index.md提供分类导航与统计SKILL.md汇总全部要点、依赖、代码示例与导航jupyter_scraper.py。analysis.md之所以被命名为analysis源于分类规则当notebook_path指向单个文件时分类名直接取笔记本文件名去掉.ipynb后缀的 stemcategorize_content中Path(self.notebook_path).stem因此analysis.ipynb生成references/analysis.md当输入是目录时则退回通用的section_*.md命名jupyter_scraper.py。参考文件的骨架Source 分节与单元格类型编码analysis.md的最外层结构是 5 个被---分隔的区块每节以** Source: Section N**开头。这与_write_reference_section()的实现一一对应每个 section 以---开始写入来源标注、标题层级、正文、代码样本、输出、错误、富输出、表格与标签最后再以---收尾jupyter_scraper.py。来源标注区分了三种 cell 类型分别对应解析阶段的三个分支_parse_single_notebook中的cell_type判断jupyter_scraper.py标注触发条件对应解析函数** Source: Section N**无后缀markdown 单元格可按标题拆分为多节_parse_markdown_cell** Source: Section N** (Code Cell [In 2])code 单元格带执行序号_parse_code_cell** Source: Section N** (Raw Cell)raw 单元格未渲染文本_parse_raw_cellSection 1Markdown 单元格与代码围栏样本analysis.md第一节由 markdown 单元格生成## Getting Started #### Verify Setup Welcome to the analysis notebook. Installation and setup steps. bash pip install pandasTags: intro, setup其生成过程_parse_markdown_cell[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L407-L449)值得注意 - 单元格源码按标题行^(#{1,6})\s(.)切分为多个 section## Getting Started 被提升为该节的标题#### Verify Setup 属于三级以上标题被单独收录进 headings 子标题列表。 - 单元格内嵌的 bash 代码围栏通过 (\w*)\n(.*?) 正则提取为 code_samples并调用 score_code_quality(code, notebook_modeTrue) 计算质量分本例为 5.0见黄金测试 [test_phase2_golden_jupyter.py](https://link.gitcode.com/i/c0d2b075a14c91556689aadbac1d2e01#L22-L37)。 - cell 级标签 tagsintro、setup被原样写入文件末尾的 *Tags: ...* 行。 Markdown 单元格的标题结构随后还会向上传递到 SKILL.md 的 Key Concepts 区一级标题成为 Major Topics二级标题成为 Subtopics[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L949-L970)。 ### Section 2代码单元格、执行序号与输出 markdown #### Assign: df col1 col2 0 1 3 **In [2]:** python import pandas as pd df pd.read_csv(data.csv) df.head()Output:col1 col2 0 1 3Rich output: text/html这是 code cell 的完整编码形态对应 _parse_code_cell[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L497-L562) - **标题推断**_infer_code_heading() 依据首行模式自动命名。df pd.read_csv(...) 命中赋值模式 ^(\w)\s*生成 Assign: df。其他规则还包括# 注释直接作为标题、def/class 生成 Define: x、% 魔术命令生成 Magic: %timeit、! 开头生成 Shell: cmd[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L583-L605)。 - **执行序号**execution_count 2 被写入代码样本与 section 两级结构在参考文件中渲染为 **In [2]:** 标签。 - **输出分类**execute_result/display_data 的 text/plain 汇总为 output_text即 **Output:** 下的表格而 text/html、image/png、image/svgxml 等 MIME 被记录到 output_display渲染为 *Rich output: text/html* 行。stream 输出中 stderr 会归入错误列表stdout 归入正文输出。 - **语言检测**代码样本的语言来自内核元数据 kernelspec.language / language_info.name对于未标注语言的代码还会用 LanguageDetector最低置信度 0.15采纳阈值 0.3自动推断[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L319-L333)。 ### Section 3魔术命令、无执行序号与错误输出 markdown #### Magic: %timeit python %timeit broken()Errors:NameError: name broken is not defined Traceback line 1Tags: raises-exception该节由 code cell 生成但 execution_count 为 None单元格未执行或执行失败因此参考文件中不出现 In [...] 标签——_write_reference_section 中只有 if ec: 为真时才写入[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L777-L780)。 %timeit 触发 Magic: 标题规则。error 类型输出被解析为 ename: evalue 加清理后的 traceback移除 ANSI 转义序列 \x1b\[[0-9;]*m写入 output_errors 并渲染为 **Errors:** 代码块[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L536-L543)。cell 标签 raises-exception 同样被保留。这类带错误信息的代码单元在 Skill 中具有特殊价值它让 Agent 能直接看到哪些写法会抛什么异常可用于教学与避坑。 ### Section 4Raw 单元格 markdown raw front-matter contentRaw cell 是不参与渲染的原始文本常用于 front-matter、LaTeX 片段等解析最为简单_parse_raw_cell直接把source作为正文文本标题与代码样本为空jupyter_scraper.py。Section 5长代码截断、子标题与双形态表格### Modeling Results ##### Confusion Matrix Model evaluation summary with accuracy and recall metrics. python def long_example(): x0 0 ... x59 59MetricValueaccuracy0.95recall0.91| a | b | | c | d |该节覆盖了参考文件剩余的关键渲染路径 - **长代码保留与截断策略**long_example() 共 60 行、超过 500 字符测试中以 LONG_CODE 构造[test_phase2_golden_jupyter.py](https://link.gitcode.com/i/c0d2b075a14c91556689aadbac1d2e01#L18)。参考文件中**完整保留**全部代码_write_reference_section 不做截断但 SKILL.md 的 Code Examples 区每个样本只展示前 500 字符并追加 ...[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L913-L915)。该样本质量分 9.5/10在 SKILL.md 的代码排序中位居榜首。 - **表格渲染**_write_markdown_table 支持带表头与无表头两种形态。Metric/Value 表来自 tables 中的 {headers: [...], rows: [...]} 结构a/b/c/d 四格表则是无表头headers: []表格的渲染路径专门用于验证无表头分支[test_phase2_golden_jupyter.py](https://link.gitcode.com/i/c0d2b075a14c91556689aadbac1d2e01#L115-L119)。 - **质量评分的作用**score_code_quality(..., notebook_modeTrue) 按行数、定义、导入、缩进、运算符、docstring、魔术行等维度打分并对纯 %/! 单元扣分、对短片段30 字符惩罚[scraper_utils.py](https://link.gitcode.com/i/76b717b5e1db021bfa865c0a00f7559b#L70-L132)。分数进入 SKILL.md 的代码示例排序帮助 Agent 优先参考更像正经代码的单元。 ## 参考文件之外的完整 Skill 产物 analysis.md 不是孤立的文件它与 references/index.md 和 SKILL.md 组成完整产物三者可在 [tests/golden/phase2/jupyter](https://link.gitcode.com/i/723e8b971234f0dae21df2c1cb9402f9) 目录下对照查看 - **references/index.md**列出分类导航 [analysis](https://link.gitcode.com/i/c3d6ecebd904bd6852d5737e28d364ff) (5 sections, Sections 1-5)并输出统计总节数、code/markdown/raw 单元格数、notebook 数、内核 Python 3、语言版本 python 3.11.4、导入包 numpy/pandas/sklearn。索引中的链接通过共享的 _reference_filename 帮助函数生成与真实文件名永不漂移[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L796-L839)命名规则见 [scraper_utils.py](https://link.gitcode.com/i/76b717b5e1db021bfa865c0a00f7559b#L24-L52)。 - **SKILL.md**含 YAML front-mattername、description、Notebook 信息内核/语言、When to Use、Section Overview、Key Concepts、Dependencies导入包列表、Quick Reference、按质量分排序的 Code Examples、Notebook Statistics含语言分布与 Navigation 导航[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L841-L943)。这套三文件结构让 Agent 可以先用 SKILL.md 快速判断是否该用此 Skill再经由索引或导航进入 analysis.md 这类逐节参考文件获取完整细节。 ## 输入分类单一笔记本、关键词分类与主题自动分桶 categorize_content() 依据输入形态决定分类方式[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L656-L731) 1. **单一文件分支**notebook_path 是文件时以文件 stem 为唯一分类名——analysis.md 即由此产生黄金测试 test_jupyter_single_notebook_matches_golden 验证了这一分支[test_phase2_golden_jupyter.py](https://link.gitcode.com/i/c0d2b075a14c91556689aadbac1d2e01#L162-L170)。 2. **关键词分类分支**配置了 categories 时按每个分类的关键词在标题正文代码拼接文本中的命中次数打分section 归属得分最高的分类无命中则落入 other空分类会生成 section_NN.md 占位N/A 范围。 3. **主题自动分桶**无路径无分类时使用内置 _TOPIC_KEYWORDSdata_loading、data_cleaning、visualization、modeling、evaluation、feature_engineering、setup、analysis 八个主题计分得分 ≥2 才入桶否则归入 other。测试 test_jupyter_topic_autocategorization_matches_golden 覆盖了该分支[test_phase2_golden_jupyter.py](https://link.gitcode.com/i/c0d2b075a14c91556689aadbac1d2e01#L189-L194)。目录输入还会递归收集所有 .ipynb自动排除 .ipynb_checkpoints并把每个 notebook 的单元格合并编号同时记录每本 notebook 的贡献与各语言代码单元数[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L287-L314、L358-L367)。 ## 实战命令行一键复现 analysis.md 依据 [CLI_REFERENCE.md](https://link.gitcode.com/i/7c906becd75c1682d5cb879db2e2ebdc) 与仓库文档Jupyter 抓取能力需要额外依赖可通过 pip install skill-seekers[jupyter] 或 pip install nbformat 安装缺失时 _check_jupyter_deps 会抛出明确指引[jupyter_scraper.py](https://link.gitcode.com/i/d765c0917207d4997c2370e032ccdc9b#L164-L171)。 bash # 单个 notebook生成 references/analysis.md 同款产物 skill-seekers create analysis.ipynb --name>赞分享人工智能AI 应用AI 技能RAGMCP 服务网页爬虫【免费下载链接】Skill_SeekersConvert documentation websites, GitHub repositories, and PDFs into Claude AI skills with automatic conflict detection项目地址https://gitcode.com/gh_mirrors/sk/Skill_Seekers点击查看免费下载相关推荐Skill_Seekers Jupyter 笔记本转换实战Golden_Jupyter_Topics 参考索引与 SKILL.md 结构解析Skill_Seekers Jupyter 笔记本转换实战Golden_Jupyter_Topics 参考索引与 SKILL.md 结构解析本篇技术指南以人工智能AI 应用AI 技能RAGMCP 服务网页爬虫Skill_Seekers 的 Jupyter Notebook 转 Skill 参考索引references/index.md结构全解析Skill_Seekers 的 Jupyter Notebook 转 Skill 参考索引references/index.md结构全解析 Skill_Se人工智能AI 应用AI 技能RAGMCP 服务网页爬虫Skill_Seekers 的 Jupyter 笔记本“Other”分类参考文件解析从落选内容到完整 Skill 产物的构建原理Skill_Seekers 的 Jupyter 笔记本“Other”分类参考文件解析从落选内容到完整 Skill 产物的构建原理在 Skill_Seeker人工智能AI 应用AI 技能RAGMCP 服务网页爬虫创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

Skill_Seekers Jupyter 笔记本转 Skill：analysis.md 参考文件结构全解析

相关推荐

工业老旧设备数据上云：Modbus转MQTT网关采集方案详解

Surface 上安装 Arch Linux 全攻略：触屏驱动与硬件适配实战

基于深度强化学习的MEC计算卸载毕设源码解析与实战

更多资讯

XMOS XCORE多核实时处理架构：大规模麦克风阵列与三维声场记录实践

电源芯片系统化替代方法论：从Pin兼容到全维度验证

Qt 6.8 LTS与Qt for MCUs 2.9深度解析：嵌入式GUI选型与迁移实战

Java动态表头Excel导出：告别硬编码，灵活应对需求变更

Kornia LAF 补丁提取的 CPU 半精度采样修复：float32 回退与批处理 grid_sample 优化解析

从1.4万张老报纸里，抠出163亿个高质量文字token

今日更新

Play Framework 迁移指南：移除 GlobalSettings，全面转向依赖注入（Scala 与 Java）

Numba 类型推断机制详解：从 Numba IR 到编译期类型重建的完整原理与实践

企业级项目dragonballz_e159-1的技术架构与实现方案

本周精选

深入解析Transformer多头注意力机制与工程优化

OpenClaw 的 Skills 跑学习任务，模型通道改到 TaoToken 通道行不行？

ChatGPT报错Oops, an error occurred! 全链路排查指南

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？