Synthèse automatique
Convertit des fichiers de données structurées (JSON, YAML, CSV) en formats économes en tokens pour réduire l'utilisation de tokens dans les contextes LLM.
Points forts
- Réduction de 30 à 70% des tokens pour les données structurées
- Supporte plusieurs formats d'entrée (JSON, YAML, XML, CSV)
- Offre des options de filtrage, troncature et sélection de format
Limites
- Peut perdre des détails de structure imbriquée si la troncature est trop agressive
- Meilleur pour les données tabulaires ou homogènes
- Ne convient pas si une fidélité totale des données est requise
Lorsque vous devez alimenter un LLM avec des données structurées volumineuses et minimiser le coût en tokens.
Si vous avez besoin de préserver l'intégralité des données avec tous leurs détails de structure originaux.
Analyse de sécurité
SûrThe skill is a data formatting utility that converts structured formats (JSON/YAML/XML/CSV) into token-efficient representations. It does not execute any destructive operations, exfiltrate data, or disable safety features. All actions are legitimate transformations, and no risky patterns like curl-pipe-shell or unexpected system modifications are present.
Aucun point d'attention détecté
Comment cette analyse est faiteExemples
Convert this JSON file to TOON format to save tokens: llm-fmt data.jsonI have a large CSV file, convert it to TSV format for token efficiency: llm-fmt data.csv -f tsvAnalyze the best format for my JSON data: llm-fmt data.json --analyzename: llm-fmt description: Convert JSON/YAML/XML/CSV to token-efficient formats (30-70% savings) allowed-tools: Bash
llm-fmt
Reduces tokens by 30-70% for structured data in LLM contexts.
Usage
llm-fmt data.json # TOON output (default)
llm-fmt data.json -f tsv # TSV (best for tables, 60-75% savings)
llm-fmt data.json -f yaml # YAML (nested configs, 25-35%)
llm-fmt data.json --analyze # Compare all formats
Filtering & Truncation
llm-fmt data.json -i "users[*].name" # Extract paths
llm-fmt data.json --max-depth 3 # Limit nesting
llm-fmt data.json --max-items 50 # Limit arrays
llm-fmt data.json --max-string-length 200 # Limit strings
llm-fmt data.json --truncation-strategy tail # head|tail|balanced|sample
Format Guide
| Data | Format | Savings | |------|--------|---------| | Tables, uniform arrays | tsv | 60-75% | | Object arrays (API/logs) | toon | 45-60% | | Nested configs | yaml | 25-35% | | Mixed/complex | json | 10-15% |
Pipes
curl -s api.example.com/data | llm-fmt -f tsv
cat large.json | llm-fmt --max-items 100
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/llm-fmt-token-optimization-for-structured-data-mm5t8aht/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/llm-fmt-token-optimization-for-structured-data-mm5t8aht' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/llm-fmt-token-optimization-for-structured-data-mm5t8aht/download' --output '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht/SKILL.md.part' && mv '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht/SKILL.md.part' '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht/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.
Outils déclarés par l’auteur (à vérifier dans votre agent) : Bash
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/llm-fmt-token-optimization-for-structured-data-mm5t8aht/SKILL.md' && test -s '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/llm-fmt' && cp -R '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht' '.claude/skills/llm-fmt'Cursor
test -f '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht/SKILL.md' && test -s '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht/SKILL.md' && mkdir -p '.cursor/skills' && test ! -e '.cursor/skills/llm-fmt' && cp -R '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht' '.cursor/skills/llm-fmt'Codex
test -f '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht/SKILL.md' && test -s '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht/SKILL.md' && mkdir -p '.agents/skills' && test ! -e '.agents/skills/llm-fmt' && cp -R '.skill-downloads/llm-fmt-token-optimization-for-structured-data-mm5t8aht' '.agents/skills/llm-fmt'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/llm-fmt-token-optimization-for-structured-data-mm5t8aht'openskills read 'llm-fmt-token-optimization-for-structured-data-mm5t8aht'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/llm-fmt-token-optimization-for-structured-data-mm5t8aht/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.
Créer des cartes interactives avec kepler.gl
Data & IA
Création de cartes interactives et export HTML autonome avec le package Python keplergl, à partir de données géospatiales (DataFrame, GeoJSON, CSV).
Optimisation de paramètres par agent
Data & IA
Guide d'optimisation de systèmes configurables avec objectif mesurable, via des essais bornés et une recommandation fondée sur des preuves.
Relance des visiteurs ICP
Data & IA
Identifiez les utilisateurs inscrits correspondant au profil client idéal mais qui n'ont pas activé, et rédigez des messages de relance personnalisés pour les réengager.