python-executor
Python-Code mit 100+ Bibliotheken in einer sicheren Sandbox ausführen
こちらからも入手できます: inference-sh,inference-sh-9,inferen-sh
Führen Sie Python-Code sicher in einer Sandbox-Umgebung ohne lokale Installation aus. Greifen Sie auf 100+ vorinstallierte Bibliotheken zu, darunter Pandas, NumPy, BeautifulSoup, MoviePy und OpenCV für Datenverarbeitung, Web-Scraping, Bildbearbeitung, Videokreation und Automatisierungsaufgaben.
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「python-executor」を使用しています。 Führen Sie Python-Code aus, um die Fibonacci-Folge zu berechnen
期待される結果:
- Führe Python-Ausführung mit 8 GB RAM-Zuweisung aus
- Fibonacci-Folge (0-20): [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765]
- Ausführung in 0,8 Sekunden abgeschlossen
「python-executor」を使用しています。 Scrapen Sie Produktpreise von example.com
期待される結果:
- Starte Web-Scraping mit BeautifulSoup
- 24 Produktlistings gefunden
- Extrahierte: Name, Preis, Verfügbarkeit
- Ergebnisse in outputs/products.csv gespeichert
- Dateien zum Download verfügbar: products.csv (4,2 KB)
「python-executor」を使用しています。 Erstellen Sie ein Balkendiagramm aus diesen Daten
期待される結果:
- Erstelle Visualisierung mit Matplotlib
- Daten geladen: 15 Zeilen x 3 Spalten
- Balkendiagramm mit Verkäufen nach Region erstellt
- Diagramm in outputs/sales_chart.png gespeichert
- Dateien zum Download verfügbar: sales_chart.png (156 KB)
セキュリティ監査
安全All 69 static findings are false positives from markdown code blocks and documentation URLs. The skill contains only legitimate documentation for a Python execution service with no executable code, security vulnerabilities, or malicious intent. Verified as safe for publication.
品質スコア
作れるもの
Datenanalyse und Visualisierung
Verarbeiten Sie große Datensätze mit Pandas, erstellen Sie Visualisierungen mit Matplotlib und exportieren Sie Ergebnisse als CSV- oder PNG-Dateien
Web-Scraping-Automatisierung
Extrahieren Sie Daten von Websites mithilfe von HTTP-Clients und HTML-Parsern oder automatisieren Sie Browser mit Selenium für dynamische Inhalte
Medienverarbeitungs-Pipeline
Bearbeiten Sie Bilder, erstellen Sie Videos mit Textüberlagerungen oder verarbeiten Sie 3D-Modelle vollständig in Python ohne lokale Abhängigkeiten
これらのプロンプトを試す
Führen Sie diesen Python-Code aus und geben Sie die Ausgabe zurück: {code}Führen Sie Python-Code aus, um diese Daten zu analysieren: {data}. Verwenden Sie Pandas zur Verarbeitung und speichern Sie Visualisierungen in outputs/Schreiben und führen Sie Python-Code aus, um Daten von {url} zu scrapen. Extrahieren Sie {target_data} und speichern Sie die Ergebnisse in outputs/data.jsonFühren Sie Python aus, um Mediendateien zu verarbeiten. Verwenden Sie {libraries}, um den {media_type} zu bearbeiten, und speichern Sie Ergebnisse in outputs/ベストプラクティス
- Speichern Sie Ausgaben immer im outputs/-Verzeichnis für automatischen Dateiabruf nach der Ausführung
- Setzen Sie geeignete Timeout-Werte basierend auf der Aufgabenkomplexität (30s Standard, bis zu 300s Maximum)
- Verwenden Sie die high_memory-Variante (16 GB RAM) bei der Arbeit mit großen Datensätzen oder komplexer Medienverarbeitung
- Schreiben Sie nicht-interaktiven Code, indem Sie Speichermethoden anstelle von Anzeigefunktionen wie plt.show() verwenden
回避
- Verwenden Sie keine interaktiven Befehle wie plt.show() oder input(), da diese die Ausführung zum Hängen bringen
- Vermeiden Sie die Installation neuer Pakete mit pip, da nur vorinstallierte Bibliotheken verfügbar sind
- Versuchen Sie keine GPU- oder ML-Modellschulung, da die Umgebung nur CPU-basiert ist
- Speichern Sie niemals sensible Anmeldedaten im Code, da die Ausführungsumgebung nicht persistent ist