Agent Skills
返回列表
英文文本二分类

英文文本二分类

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_629e2dc7/classify-text-binary-en。

技能介绍

要解决什么问题

手上有一份带标签的英文 CSV(评论、工单、邮件片段等),需要训练二分类模型并在本机走通「分析 → 选模型 → 训练 → 产出与部署」完整链路。自己从零搭特征工程、多框架训练和 MLflow 记录,成本高且容易在数据划分、模型编号与训练模式上踩坑。

技能如何工作

该技能把流程固定为 5 个阶段,脚本位于 scripts/,共享模块包括 preprocessing.py、model_factory.py、mlflow_utils.py、report.py、deploy.py 等,可分段独立执行。

  • Stage 1:用 step1_analyze.py 分析 CSV(含多编码探测),输出字段类型、类别分布与数据质量摘要。
  • Stage 2:在交互中确认训练/验证/测试划分方式(如二分或三分)。
  • Stage 3:从 153 个预编号模型中选型,覆盖传统机器学习、深度学习与 Transformer;可先展示 P1/P2 推荐表,或展开全量清单。模型编号区分 full_ft、LoRA、特征抽取、冻结、已微调等变体;baseline / tune / both 与模型类型是两套独立选择。
  • Stage 4~5:按选定方案训练,汇总表使用 {Dataset}_{Metric} (N=样本数) 平铺列名;最终确认产物与部署相关输出。

整条链路强调:必须用 Read 读取 model_list.md、全量抄写清单行、交互点用 AskUserQuestion(失败时回退为编号文本选项),以及按用户首条消息语言输出中英文内容。

适用边界与注意点

  • 面向英文文本二分类;标签列与文本列需在 CSV 中可被分析脚本识别。
  • Windows 下 Python 调用应使用 python 而非 python3;传给 Python 的路径需为 C:\Users\... 等形式,避免 Git Bash 的 /c/Users 被 open() 误读。
  • 不要用行内 python -c 随意读 CSV,优先用自带分析脚本或 head/wc。
  • 技能文档中的 ⛔ 规则(语言检测、清单自检、交互回退)为执行约束,偏离会导致选型或训练步骤中断。

使用场景

  • 合规团队拿到上万条英文客服对话 CSV,需按违规/非违规训练基线模型并对比 SVM 与 Transformer 方案
  • 算法工程师接到产品给的英文评论正负样本表,要在单次会话里完成划分策略确认并从 153 个编号模型里勾选若干条训练
  • ML 平台维护者需要把英文工单分类实验写入 MLflow,并走技能自带的报告与 deploy 模块产出可复现产物
  • 数据科学家用桌面上的 `nlp_test_5000.csv` 做情感二分类,希望先看 step1 分析再决定 traditional ML 还是 LoRA 微调

适合人员

  • 负责英文用户反馈质检、要把标注表变成可部署二分类器的 NLP 工程师
  • 接外包或内部 PoC、需要在有限时间内对比多种传统与深度学习方案的机器学习从业者
  • 维护公司内 Agent 工作流、希望用固定五步脚本减少手工拼训练管道的平台开发同学
  • 手头只有 CSV、不熟悉 153 模型编号与 baseline/tune/both 区别、需要交互式选型的初级算法研究员