How do I install the Remote Formatter skill?

Run npx skillmds@latest add cas-bigdatalab/remote-formatter in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Remote Formatter safe to use?

This skill has not completed SkillMD's automated safety review yet. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Remote Formatter?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Remote Formatter free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Remote Formatter?

cas-bigdatalab (@cas-bigdatalab) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Remote Formatter by cas-bigdatalab — Agent Skill

Name: Remote Formatter
Author: cas-bigdatalab

Remote Formatter

远程格式化器。用于从huggingface hub的存储库加载数据集。本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到加载HuggingFace数据集、远程数据集加载、HuggingFace Hub等需求时使用此skill。

cas-bigdatalab a9e1c80 5 files · 30.6 KB Updated Sep 17, 2026

File contents

功能概述

该算子用于从 HuggingFace Hub 加载数据集，支持加载公开数据集和需要认证的私有数据集。

核心参数

参数	类型	必填	默认值	说明
dataset_path	string	是	-	HuggingFace数据集路径
output_path	string	是	-	输出JSONL文件路径
text_keys	list	否	['text']	文本字段名列表
split	string	否	'train'	数据集划分
num_proc	int	否	1	并行处理的进程数

输入数据格式

dataset_path 支持以下格式：

公开数据集：username/dataset_name
本地路径或远程路径

输出数据格式

输出为 JSONL 格式，每行一个样本。

使用示例

命令行调用

# 加载HuggingFace公开数据集
python scripts/run_remote_formatter.py \
  --dataset_path "rotten_tomatoes" \
  --output_path /path/to/output.jsonl

# 指定文本字段
python scripts/run_remote_formatter.py \
  --dataset_path "yelp_review_full" \
  --output_path /path/to/output.jsonl \
  --text_keys text \
  --split train

# 带认证加载私有数据集
python scripts/run_remote_formatter.py \
  --dataset_path "private_user/private_dataset" \
  --output_path /path/to/output.jsonl

参数说明

--dataset_path: HuggingFace数据集路径
--output_path: 输出JSONL文件路径
--text_keys: 文本字段名，可重复指定多个（默认 ['text']）
--split: 数据集划分（默认 'train'）
--num_proc: 并行进程数，默认1

注意事项

首次运行会下载数据集，可能需要较长时间
对于私有数据集，需要先登录 HuggingFace：huggingface-cli login
支持的数据集格式由 HuggingFace datasets 库决定

---name: remote-formatterdescription: 远程格式化器。用于从huggingface hub的存储库加载数据集。本SKILL使用依赖data_juicer，请在调用前安装好python环境并安装data_juicer，你可用以下指令进行安装： pip install py-data-juicer 当用户提到加载HuggingFace数据集、远程数据集加载、HuggingFace Hub等需求时使用此skill。---## 功能概述该算子用于从 HuggingFace Hub 加载数据集，支持加载公开数据集和需要认证的私有数据集。## 核心参数| 参数 | 类型 | 必填 | 默认值 | 说明 ||------|------|------|--------|------|| dataset_path | string | 是 | - | HuggingFace数据集路径 || output_path | string | 是 | - | 输出JSONL文件路径 || text_keys | list | 否 | ['text'] | 文本字段名列表 || split | string | 否 | 'train' | 数据集划分 || num_proc | int | 否 | 1 | 并行处理的进程数 |## 输入数据格式`dataset_path` 支持以下格式：- 公开数据集：`username/dataset_name`- 本地路径或远程路径## 输出数据格式输出为 JSONL 格式，每行一个样本。## 使用示例### 命令行调用```bash# 加载HuggingFace公开数据集python scripts/run_remote_formatter.py \ --dataset_path "rotten_tomatoes" \ --output_path /path/to/output.jsonl# 指定文本字段python scripts/run_remote_formatter.py \ --dataset_path "yelp_review_full" \ --output_path /path/to/output.jsonl \ --text_keys text \ --split train# 带认证加载私有数据集python scripts/run_remote_formatter.py \ --dataset_path "private_user/private_dataset" \ --output_path /path/to/output.jsonl```### 参数说明- `--dataset_path`: HuggingFace数据集路径- `--output_path`: 输出JSONL文件路径- `--text_keys`: 文本字段名，可重复指定多个（默认 ['text']）- `--split`: 数据集划分（默认 'train'）- `--num_proc`: 并行进程数，默认1## 注意事项1. 首次运行会下载数据集，可能需要较长时间2. 对于私有数据集，需要先登录 HuggingFace：`huggingface-cli login`3. 支持的数据集格式由 HuggingFace datasets 库决定

Frequently asked questions