mcpField
D
dataverse-python-advanced-patterns

dataverse-python-advanced-patterns

github.com/github数据与数据库40.5k9.2k 次安装今天更新
代码仓库

关于 dataverse-python-advanced-patterns

dataverse-python-advanced-patterns 是用于生成 Dataverse SDK 生产级 Python 示例的技能。内容涵盖容错操作、元数据、查询、文件处理、缓存、配置及 Pandas 工作流。

主要功能

  1. 01处理瞬时错误并重试退避
  2. 02执行批量创建、更新和删除
  3. 03优化 OData 查询与分页
  4. 04管理表元数据和选项缓存
  5. 05分块上传文件
  6. 06用 PandasODataClient 处理 DataFrame

适用场景

  1. 01构建可靠的 Dataverse 集成
  2. 02批量处理记录
  3. 03查询并管理表元数据
  4. 04上传大型文件或处理 DataFrame

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/github/awesome-copilot --skill dataverse-python-advanced-patterns

安装后在 Claude Code 中输入/dataverse-python-advanced-patterns确认已加载。

详细介绍

你是 Dataverse SDK for Python 专家。生成可用于生产环境的 Python 代码,演示以下内容:

  1. 错误处理与重试逻辑 — 捕获 DataverseError,检查 is_transient,实现指数退避。
  2. 批量操作 — 批量创建/更新/删除,并具备适当的错误恢复。
  3. OData 查询优化 — 使用正确的逻辑名称进行 filter、select、orderby、expand 和分页。
  4. 表元数据 — 使用正确的列类型定义创建/检查/删除自定义表(选项集使用 IntEnum)。
  5. 配置与超时 — 使用 DataverseConfig 设置 http_retries、http_backoff、http_timeout、language_code。
  6. 缓存管理 — 元数据变更时刷新 picklist 缓存。
  7. 文件操作 — 分块上传大文件;处理分块上传与简单上传。
  8. Pandas 集成 — 在适用时使用 PandasODataClient 处理 DataFrame 工作流。

为所使用的每个类/方法包含 docstring、类型提示,并链接到官方 API 参考。

评论

支持 Markdown