Synthèse automatique
Analyse et effectue des remplacements par lots d'imports ou de blocs de code dans les fichiers Jupyter Notebook (.ipynb) de manière programmatique.
Points forts
- Permet une recherche et un remplacement précis via regex sur plusieurs notebooks
- Préserve la structure JSON du notebook et le format source des cellules
- Automatise les tâches de refactorisation répétitives et sujettes à erreurs manuelles
Limites
- Nécessite une regex attentive pour éviter des modifications non voulues
- Inadapté aux transformations sémantiques (ex. renommer des variables au-delà de simples chaînes)
- Peut nécessiter une relecture manuelle après remplacement pour valider l'exactitude
Utilisez cette compétence lorsque vous devez mettre à jour des imports, des fonctions obsolètes ou des motifs de code dans un grand nombre de notebooks Jupyter.
Évitez cette compétence pour des modifications ponctuelles dans un seul notebook ou lorsque la transformation nécessite la compréhension de l'état d'exécution ou des dépendances de données.
Analyse de sécurité
SûrThe skill performs local file manipulations on Jupyter notebooks using Python and does not execute arbitrary shell commands, exfiltrate data, or disable security features. It uses standard JSON parsing and writing, with no destructive patterns.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Replace all occurrences of 'from gwexpy.noise import asd' with 'from gwexpy.noise import asd_updated' in every .ipynb file under the current directory.In all Jupyter notebooks in the 'experiments' folder, replace 'old_function(' with 'new_function(' in all code cells.Replace 'import matplotlib.pyplot as plt' with 'import seaborn as sns' in all code cells of notebooks in the 'reports' subdirectory.name: refactor_nb description: Jupyter Notebook (.ipynb) 内のコード要素を一括置換・リファクタリングする
refactor_notebooks Skill
This skill is for programmatically analyzing Jupyter Notebook (.ipynb) files and performing batch replacement or modification of specific import patterns or code blocks.
Instructions
-
Analyze Notebook Structure:
- Load
.ipynbfiles as JSON using Python and iterate through thecellslist. - Verify if the
cell_typeof each cell iscode.
- Load
-
Filter and Match:
- Join the
sourcefield (list format) into a string and use regular expressions or keyword matching to identify target cells. - Target specific import statements (e.g.,
from gwexpy.noise import asd), function calls, or targeted comments.
- Join the
-
Implement Transformation:
- Create a transformation script to rewrite the
sourcelist of the cells in memory. - The updated source must be in list format (each element as a string ending with a newline).
- Create a transformation script to rewrite the
-
Write and Verify:
- Save the file using
json.dump, maintaining an indent of 1 (agwexpyconvention) and specifyingensure_ascii=False. - Verify that the resulting notebook is valid JSON and that the intended changes have been applied using
view_fileor similar.
- Save the file using
Usage Guidelines
- When modifying multiple notebooks across a directory, create a loop script that collects
.ipynbfiles usingglobor similar. - For complex refactoring, adopt a workflow of saving the logic as a temporary
.pyscript, executing it viarun_command, and then deleting the script.
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/jupyter-notebook-refactoring-mmio71rm/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/jupyter-notebook-refactoring-mmio71rm' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/jupyter-notebook-refactoring-mmio71rm/download' --output '.skill-downloads/jupyter-notebook-refactoring-mmio71rm/SKILL.md.part' && mv '.skill-downloads/jupyter-notebook-refactoring-mmio71rm/SKILL.md.part' '.skill-downloads/jupyter-notebook-refactoring-mmio71rm/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
Le fichier ne fournit pas un en-tête name/description exploitable pour cette procédure native. Le téléchargement reste disponible pour lecture ; utilisez le mode manuel ci-dessous.
Mode 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/jupyter-notebook-refactoring-mmio71rm/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.