How do I install the Suffix Filter skill?

Run npx skillmds@latest add cas-bigdatalab/suffix-filter 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 Suffix Filter 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 Suffix Filter?

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 Suffix Filter free to use?

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

Who published Suffix Filter?

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

Suffix Filter by cas-bigdatalab — Agent Skill

Name: Suffix Filter
Author: cas-bigdatalab

Suffix Filter

后缀过滤器。过滤器以保留具有指定后缀的样本。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 当用户提到后缀过滤、文件类型过滤、按文件后缀筛选等需求时使用此skill。

File contents

功能概述

该算子根据样本的 suffix 字段值进行过滤，保留后缀在目标列表中的样本。

核心参数

参数	类型	必填	默认值	说明
input_path	string	是	-	输入数据文件路径 (JSON/JSONL格式)
output_path	string	是	-	输出数据文件路径 (JSONL格式)
suffixes	list	否	[]	目标后缀列表，如 ['.txt', '.pdf']
num_proc	int	否	1	并行处理的进程数

输入数据格式

输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含 suffix 字段：

{"text": "文本内容", "suffix": ".txt"}

输出数据格式

输出为 JSONL 格式，每行一个符合条件的样本，保持原始字段结构。

使用示例

命令行调用

# 过滤保留 .txt 和 .pdf 后缀的样本
python scripts/run_suffix_filter.py \
  --input_path /path/to/input.jsonl \
  --output_path /path/to/output.jsonl \
  --suffixes .txt \
  --suffixes .pdf

# 不指定后缀则保留所有样本
python scripts/run_suffix_filter.py \
  --input_path /path/to/input.jsonl \
  --output_path /path/to/output.jsonl

参数说明

--input_path: 输入文件路径
--output_path: 输出文件路径
--suffixes: 目标后缀，可重复指定多个（默认为空，保留所有）
--num_proc: 并行进程数，默认1

注意事项

suffix 字段用于标识文件类型/后缀
这是 NON_STATS_FILTERS，不需要计算统计信息，处理效率较高
如果不指定 suffixes，则保留所有样本

---name: suffix-filterdescription: 后缀过滤器。过滤器以保留具有指定后缀的样本。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 当用户提到后缀过滤、文件类型过滤、按文件后缀筛选等需求时使用此skill。---## 功能概述该算子根据样本的 `suffix` 字段值进行过滤，保留后缀在目标列表中的样本。## 核心参数| 参数 | 类型 | 必填 | 默认值 | 说明 ||------|------|------|--------|------|| input_path | string | 是 | - | 输入数据文件路径 (JSON/JSONL格式) || output_path | string | 是 | - | 输出数据文件路径 (JSONL格式) || suffixes | list | 否 | [] | 目标后缀列表，如 ['.txt', '.pdf'] || num_proc | int | 否 | 1 | 并行处理的进程数 |## 输入数据格式输入文件应为 JSON 或 JSONL 格式，每行包含一个样本，样本需包含 `suffix` 字段：```json{"text": "文本内容", "suffix": ".txt"}```## 输出数据格式输出为 JSONL 格式，每行一个符合条件的样本，保持原始字段结构。## 使用示例### 命令行调用```bash# 过滤保留 .txt 和 .pdf 后缀的样本python scripts/run_suffix_filter.py \ --input_path /path/to/input.jsonl \ --output_path /path/to/output.jsonl \ --suffixes .txt \ --suffixes .pdf# 不指定后缀则保留所有样本python scripts/run_suffix_filter.py \ --input_path /path/to/input.jsonl \ --output_path /path/to/output.jsonl```### 参数说明- `--input_path`: 输入文件路径- `--output_path`: 输出文件路径 - `--suffixes`: 目标后缀，可重复指定多个（默认为空，保留所有）- `--num_proc`: 并行进程数，默认1## 注意事项1. `suffix` 字段用于标识文件类型/后缀2. 这是 `NON_STATS_FILTERS`，不需要计算统计信息，处理效率较高3. 如果不指定 suffixes，则保留所有样本

Frequently asked questions