tabular-cleanup
gaasher/Agent-Loop-Skills / loops/tabular-cleanup
nettoie un tableau sale selon un contrat déduit , ce qui améliore : moins d'erreurs, contrôles déterministes et traçables
Fiche
- note du juge
- 9/10
- place
- hors pack
- éditeur
- gaasher
- statut
- nouveau
- commit épinglé
- f1169e6 sur GitHub (nouvel onglet)
- dernier commit du skill
- 22 juin 2026
- étoiles du dépôt
- 175
- type principal
- Data
Jugement
Déclenchement très net avec exclusions explicites, boucle de nettoyage précise (checks déterministes, garde-fous, arrêt défini). Note réduite car les annexes citées (schemas, exemple) sont absentes et le texte est très long.
réserves
- Annexes citées absentes : examples/run.example.yaml, schemas/ledger.schema.json et schemas/profile.schema.json non fournis, donc formats non vérifiables.
- Texte long et dense (contrat, checklist, boucle, stops, formats) ; la lecture complète coûte cher en contexte.
- Le skill ne précise pas les dépendances minimales exactes ni la version de pandas testée.
- Déclenchement
- 2/2
- Valeur ajoutée
- 2/2
- Précision
- 2/2
- Périmètre
- 2/2
- Qualité
- 1/2
Alertes
1 alerte, par catégorie
Exécution
- risque élevé
Le skill fait exécuter du code de transformation généré par l'agent dans l'environnement utilisateur via <analysis_cmd>, sans relecture humaine après validation du contrat.
Description d’origine
Use when the user has a messy tabular data dump (CSV/TSV/parquet/Excel/JSON) and wants it iteratively cleaned to an inferred data contract — a checklist of deterministic pass/fail checks, not a quality score. A single agent profiles the table, synthesizes a per-column contract compiled into binary c…
ajouté le 19 oct. 2026 · licence MIT