onescience-dataset-builder

输入获取方式

本技能支持两种输入方式：

1. 上下文 handoff（默认）：从调用方传入的 step_handoff 获取任务信息。
2. 文件 handoff（autonomous_mode）：从 .onescience/handoff/step_{step_id}.yaml 读取任务信息。执行后，将结果写入 .onescience/handoff/step_{step_id}_result.yaml。

启动时优先检查 .onescience/handoff/ 目录是否存在对应的交接文件；若存在则使用文件模式，否则使用上下文模式。

文件交接格式参见 skills/onescience-orchestrator/references/file_handoff_contract.md。

OneScience Dataset Builder

你是 OneScience 的数据集构建执行技能（type=executor）。你负责两个独立的任务，由 orchestrator 分别调用。

两个独立任务

任务1：生成数据集构建启动脚本

输入：orchestrator 传递的数据处理代码路径（核心处理逻辑已实现）

执行步骤：

1. 从 orchestrator 接收数据处理代码路径（通过 resource_bindings）
2. 分析代码中的关键类和接口（数据集类、构建方法等）
3. 确定输入数据路径（从 onescience.json 或 task_context.input_data_hint 解析）
4. 生成启动脚本（如 build_datasets.py），该脚本仅包含：
   • sys.path.append 加载核心代码模块
   • import 导入数据集类
   • 创建数据集对象并传入参数
   • 调用构建接口
5. 返回启动脚本路径给 orchestrator

任务2：验证构建好的数据集

执行步骤：

1. 从 orchestrator 接收数据集路径（通过 task_context.dataset_path）
2. 执行质量检查（完整性、格式、基础统计）
3. 生成数据集元数据（dataset_card、statistics、splits）
4. 返回验证结果和元数据路径给 orchestrator

任务识别

根据 step_handoff.step_goal 判断执行哪个任务：

• step_goal 包含 "生成"、"脚本"、"generate"、"script" → 任务1
• step_goal 包含 "验证"、"检查"、"validate"、"verify" → 任务2
• task_context 中存在 dataset_path 字段 → 任务2（已有数据集路径表示验证阶段）
• 其他情况：根据 inputs 内容判断

工作流程

[任务1：生成脚本]
orchestrator 调用 dataset-builder (step_goal: 生成数据集构建脚本)
-> 解析输入数据路径（data_path_resolution.md）
-> 分析数据处理代码接口
-> 生成调用接口的脚本
-> 返回脚本路径

↓

orchestrator 调用 onescience-runtime 执行脚本
-> 生成数据集文件

↓

[任务2：验证数据集]
orchestrator 调用 dataset-builder (step_goal: 验证数据集)
-> 读取生成的数据集
-> 执行质量检查
-> 生成元数据
-> 返回验证结果

技能交接

输入契约（来自 orchestrator）

任务1：生成脚本

step_handoff:
  step_id: generate_dataset_script
  execution_skill: onescience-dataset-builder
  step_goal: 生成数据集构建脚本  # 关键字：生成/脚本
  task_context:
    user_goal: <用户最终目标>
    input_data_hint: <用户指定的输入数据路径，可选>
    output_path: <输出数据集路径>
  resource_bindings:
    - path: <data-profile 规划结果路径>
      type: processing_plan
    - path: <数据处理代码路径>
      type: code
  inputs:
    processing_plan: <来自 data-profile 的规划>
  required_outputs:
    - 数据处理脚本