mcpField
J
jinko-data-table

jinko-data-table

github.com/novainsilico数据与数据库4163 次安装1 周前更新
代码仓库

关于 jinko-data-table

用于通过 SDK 管理 Jinkō 数据表的技能，涵盖从 CSV、SQLite 或 pandas DataFrame 导入数据，以及检查表结构和适应度函数兼容性。

主要功能

  1. 01从 CSV、SQLite 或 DataFrame 创建数据表
  2. 02检查、验证和导出数据表
  3. 03检查适应度函数兼容性
  4. 04创建前验证 CSV 行

适用场景

  1. 01准备试验叠加观测数据
  2. 02为校准目标提供范围数据
  3. 03关联到试验前检查数据表兼容性

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/novainsilico/jinko-skills --skill jinko-data-table

安装后在 Claude Code 中输入/jinko-data-table确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

agents/
openai.yaml
assets/
data-table.json
toy_data_table_ranges.csv
toy_data_table_values.csv
evals/
evals.json
references/
data-table-schema.md

详细介绍

Jinkō 数据表 SDK 工作流

使用此技能通过 SDK 操作数据表。数据表可用于试验叠加和校准目标；两者的行架构相同，元数据中会在可用时报告与适应度函数的兼容性。

前提条件： 此技能需要已初始化的 jinko-sdk 连接，且 SDK 版本满足 metadata.requires_sdk 范围。运行 jinko-sdk-setup 技能（../jinko-sdk-setup/SKILL.md），并仅在检查通过后继续。会话代码只能交换一次，因此请在运行此技能自身的 SDK 流程之前，再次调用 get_session_code。如果未找到该技能，请从 novainsilico/jinko-skills 安装。

范围

  • 对于 CSV 文件或字节，使用 client.create_data_table_from_csv()。
  • 对于 SQLite 文件或字节，使用 client.create_data_table_from_sqlite()。
  • 对于 pandas DataFrame，使用 client.create_data_table_from_dataframe()。
  • 使用 get_data_table()、content()、summary()、validate() 和 export() 检查现有数据表。
  • 创建或检查数据表后，如有元数据，请查看 metadata.public.validForFitnessFunction；如果需要通过试验/校准的 dataTableDesigns 附加数据表，这一点尤为重要。
  • 对于通过 jinko-trial 附加数据表的试验工作流，请使用 validForFitnessFunction: True 的数据表；点值叠加表可能上传成功，但在试验启动健全性检查时失败。

项目文件夹整理

  • 优先在专用的 Jinkō 文件夹中创建数据表，而不是项目根目录。工作流开始时，询问或建议一个文件夹名称，例如 YYYY-MM-DD-<experiment-name>。
  • 尽可能复用名称完全匹配的现有文件夹：client.get_folder_by_name(name, exact_match_only=True)。
  • 如果文件夹不存在，仅在用户确认或使用 --apply 运行脚本后创建。
  • 确定一个文件夹对象或文件夹 ID，然后将 folder=folder 传递给支持此参数的 SDK 创建调用。

行架构

更改 CSV 结构前，请先阅读 assets/data-table.json。

支持的行形状：

  • 点值行：obsId、time、value，以及可选的 unit、armScope、范围、权重和引用。
  • 范围行：obsId、time、narrowRangeLowBound、narrowRangeHighBound，以及可选的 unit、armScope、宽范围、权重和引用。

time 请使用 ISO-8601 时长字符串，例如 PT0S、PT6H 或 P1D。

随附资源

  • assets/toy_data_table_values.csv：用于试验叠加的点值观测。
  • assets/toy_data_table_ranges.csv：适用于校准目标工作流的范围观测。
  • assets/data-table.json：支持的数据表行架构子集。

SDK 脚本

安装 SDK 后，这些脚本会作为控制台脚本出现在 PATH 中，也可以像下面这样通过 python -m 运行。

  • jinko.cli.create_data_table：对每一行 CSV 进行干运行验证，并在使用 --apply 时创建数据表；校准输入可使用 --allowed-obs-id、--require-unit、--require-experiment-ref 和 --require-fitness。
  • jinko.cli.inspect_data_table：检查现有数据表，并可使用 --require-fitness 强制要求适应度兼容性。

示例：

python -m jinko.cli.create_data_table --source skills/jinko-data-table/assets/toy_data_table_ranges.csv --method csv
python -m jinko.cli.create_data_table --source extracted.csv --allowed-obs-id Drug --require-unit --require-experiment-ref --require-fitness --apply
python -m jinko.cli.create_data_table --source skills/jinko-data-table/assets/toy_data_table_ranges.csv --method csv --apply
python -m jinko.cli.create_data_table --source skills/jinko-data-table/assets/toy_data_table_ranges.csv --method csv --folder 2026-06-15-fit-data --create-folder --apply
python -m jinko.cli.create_data_table --source skills/jinko-data-table/assets/toy_data_table_values.csv --method dataframe --apply
python -m jinko.cli.inspect_data_table --data-table-sid dt-... --fitness --validate

引用路由

  • 阅读 references/data-table-schema.md，了解行形状和适应度函数相关说明。
  • 检查必需列时，请阅读 assets/data-table.json。

评论

支持 Markdown