Data Designer 合成数据技能
用 Data Designer 构建符合描述的合成数据集与生成流水线。
技能限制了工作区探索、禁止未经许可安装依赖，并要求在安装或沙箱外重试前取得用户许可；种子数据、个人数据和网络预览的边界有所说明，也有 Apache-2.0 许可和安全报告路径。扣分原因是未充分披露外部模型/网络数据流、合成个人信息的隐私风险、输出或生成操作的回滚方案，以及预览和创建步骤缺少普遍性的明确确认。
交互式与自动驾驶流程、CLI 缺失和网络失败处理、参数读取要求及若干常见错误提示均较清楚。扣分原因是未提供该技能自身的可执行测试套件，工作流依赖未给出的外部 CLI、模型配置和上下文文件，且部分关键命令和失败场景只能静态推断；按静态校准不超过10分。
目标用户、输入描述、输出为 Python 配置脚本、交互式/自动驾驶触发方式和禁止使用种子数据的条件较明确。扣分原因是非适用范围、模型/硬件要求、成本与规模边界不足；中文说明和中文数据集场景未覆盖，且预览/生成可能依赖海外网络服务，无法确认中国大陆可达性。
文档具有目标、规则、工作流、提示、故障排查、输出模板和分层参考资料；skill card 给出所有者、Apache 2.0、版本 v0.6.1、用途和维护相关信息。扣分原因是缺少正式 changelog、明确的维护负责人/更新流程、脚本表格示例和 FAQ；基准报告还指出缺少推荐 Instructions 段、metadata.author/tags 及 run_script 说明，且整体许可证元数据标为 NOASSERTION。
技能明确要求生成包含 load_config_builder() 的 Data Designer Python 配置文件，并覆盖采样器、人物数据、验证、预览和创建流程；基准报告记录了任务准确性和有效性结果，显示核心任务通常可完成。扣分原因是评测数据集和可复现产物未随证据提供，实际输出仍需用户审查，且外部模型、CLI 和配置可用性决定结果；按静态校准不超过7分。
源文件提供了固定修订范围内的工作流、参考文档、示例脚本和基准结果，具备一定审计线索。扣分原因是基准原始数据不可用，没有该技能关键路径的提交测试或独立复现记录，第三方文档仅以链接形式出现；按静态校准不超过5分。
- 生成流程可能向外部模型或网络服务发送提示词、种子字段或合成数据；在处理真实个人信息前应确认数据流、合规性和脱敏要求。
- 自动驾驶工作流会继续执行验证、预览和可选创建；除已说明的大规模创建确认外，应在执行前明确确认网络调用、成本、输出目录和记录数量。
- 中国大陆网络可达性、模型别名配置和本地依赖未被验证；无法使用海外服务时应准备本地模型或离线方案。
- 基准报告缺少原始评测数据和可复现产物，不能将其视为独立执行验证。
这个 Skill 能做什么，适合哪些场景？
该技能用于创建数据集、生成合成数据或构建数据生成流水线。它指导代理使用 Data Designer 库，根据用户描述生成配置构建器和 Python 文件。工作流支持交互模式与 Autopilot 模式，默认使用交互模式。技能要求按需读取匹配的工作流及特定参考文件，并遵循列保留、种子数据和验证配置规则。
根据用户提供的数据集描述选择交互或 Autopilot 工作流；读取对应的工作流文件，以及在需要时读取人员采样或种子数据参考文件；使用 Data Designer 配置 API 构建合成数据集配置；在当前目录写入包含 load_config_builder() 函数的 Python 文件，并使用 PEP 723 内联依赖元数据；在适用时处理 CLI 未安装、Python 版本和预览网络错误。
- 数据工程师需要从自然语言描述生成客户评论等合成数据集时。
- 机器学习团队需要构建可重复的数据生成流水线时。
- 用户希望代理在少量追问或无需追问的情况下完成数据配置时。
- 开发者需要使用采样器、验证列、Jinja2 表达式或 LLM 评审分数构造数据列时。
这个 Skill 有哪些优点和局限？
- 覆盖合成数据集创建和数据生成流水线构建。
- 包含交互式与 Autopilot 两种工作方式。
- 明确说明列保留、种子数据、人员采样和模板表达式规则。
- 输出模板规定了 Python 文件接口和依赖声明格式。
- SKILL.md 未提供 Interactive 或 Autopilot 工作流的具体内容。
- 实际生成能力依赖未随提示提供的 Data Designer 库及其运行环境。
- 预览可能需要网络访问，且技能未提供具体网络配置。
- `$ARGUMENTS` 等参数替换方式需要目标代理支持或适配。
如何安装这个 Skill？
运行 npx skills add nvidia/skills --skill data-designer --yes，将该技能安装到支持的代理环境中。README 未说明该命令安装到各代理的具体本地路径。
如何使用这个 Skill？
向代理描述要生成的数据集，例如：Create a synthetic dataset of customer reviews with ratings and quality scores. 若用户明确表示“你来决定”或不想回答问题，使用 Autopilot 模式；否则使用默认的 Interactive 模式。