Synthèse automatique
Transforme un extrait de JSON ou une réponse d'API en modèles de données Pydantic typés en Python.
Points forts
- Règles de correspondance de types explicites (string, number, boolean, array, null, objets imbriqués)
- Extraction des dictionnaires imbriqués en sous-classes dédiées plutôt qu'en champs fourre-tout
- Conventions de style claires : PascalCase, List/Optional issus de typing, valeurs par défaut à None
- S'appuie sur un exemple d'entrée/sortie fourni pour cadrer le format du code généré
Limites
- Ne couvre que Pydantic classique : ni validators, ni Field avec contraintes ou alias, ni discriminated unions
- Déduit les types d'un seul échantillon, donc les champs absents ou de type variable peuvent être mal typés
- Suppose que Pydantic v1 et le module typing sont utilisés (pas de syntaxe Python 3.10+ comme `str | None`)
Quand vous avez une réponse JSON d'API sous la main et voulez rapidement un modèle Pydantic propre pour la valider ou la désérialiser.
Quand vous avez besoin de validations personnalisées, d'alias de champs ou d'un schéma généré depuis une spécification OpenAPI plutôt que depuis un échantillon.
Analyse de sécurité
SûrThe skill only provides instructions for converting JSON into Pydantic models. It declares no tools and contains no destructive, exfiltrating, or obfuscated actions. There is no execution risk.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Convert this JSON API response into Pydantic models, with nested objects as separate classes:
{"id": 42, "name": "Ada", "active": true, "tags": ["admin"], "preferences": {"theme": "dark", "notifications": null}}Here's a JSON payload where some fields can be null. Generate the Pydantic classes and default the nullable fields to None:
{"order_id": "A-100", "total": 19.99, "coupon": null, "items": [{"sku": "X1", "qty": 2}]}Take the JSON in examples/input_data.json and produce models in the same style as examples/output_model.py, pulling the nested preferences dict into its own class.name: json-to-pydantic description: Converts JSON data snippets into Python Pydantic data models.
JSON to Pydantic Skill
This skill helps convert raw JSON data or API responses into structured, strongly-typed Python classes using Pydantic.
Instructions
-
Analyze the Input: Look at the JSON object provided by the user.
-
Infer Types:
string->strnumber->intorfloatboolean->boolarray->List[Type]null->Optional[Type]- Nested Objects -> Create a separate sub-class.
-
Follow the Example: Review
examples/to see how to structure the output code. notice how nested dictionaries likepreferencesare extracted into their own class.- Input:
examples/input_data.json - Output:
examples/output_model.py
- Input:
Style Guidelines
- Use
PascalCasefor class names. - Use type hints (
List,Optional) fromtypingmodule. - If a field can be missing or null, default it to
None.
Du fichier au premier essai
Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.
Consulter la source et ses fichiers annexesCe téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.
1. Télécharger le fichier
Télécharger SKILL.mdDepuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.
Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.
mkdir -p '.skill-downloads/json-to-pydantic-ms47vq2y' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/json-to-pydantic-ms47vq2y/download' --output '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md.part' && mv '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md.part' '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md'2. Vérifier les prérequis
Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.
Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.
Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.
3. Charger la skill
Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.
Claude Code
test -f '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md' && test -s '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/json-to-pydantic' && cp -R '.skill-downloads/json-to-pydantic-ms47vq2y' '.claude/skills/json-to-pydantic'Cursor
test -f '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md' && test -s '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md' && mkdir -p '.cursor/skills' && test ! -e '.cursor/skills/json-to-pydantic' && cp -R '.skill-downloads/json-to-pydantic-ms47vq2y' '.cursor/skills/json-to-pydantic'Codex
test -f '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md' && test -s '.skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md' && mkdir -p '.agents/skills' && test ! -e '.agents/skills/json-to-pydantic' && cp -R '.skill-downloads/json-to-pydantic-ms47vq2y' '.agents/skills/json-to-pydantic'OpenSkills
OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.
Installation officielle d’OpenSkillsopenskills install './.skill-downloads/json-to-pydantic-ms47vq2y'openskills read 'json-to-pydantic-ms47vq2y'La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.
Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.
openskills syncMode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.
4. Faire un premier essai
Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :
Lis .skill-downloads/json-to-pydantic-ms47vq2y/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.
Bonnes pratiques React Hook Form
Developpement
Maîtrisez React Hook Form : évitez les anti-patterns, gérez les abonnements, et traitez correctement reset, dirty state et entrées contrôlées.
Migration Emotion vers Mantine
Developpement
Migrer les styled-components Emotion vers des composants Mantine avec style props et modules CSS. Pour convertir .styled.tsx ou supprimer les imports @emotion.
Détecteur de dérive de périmètre
Developpement
Analyse les diffs git par rapport à une intention pour détecter la dérive de périmètre, fichiers non liés et PR trop larges, puis suggère de garder, diviser ou justifier.