📦

dask

Name: dask
Author: K-Dense-AI

Revisión del contenido r1 Riesgo bajo 📁 Acceso al sistema de archivos⚙️ Comandos externos

Escala flujos de trabajo de datos en Python con Dask

Los trabajos grandes de pandas y NumPy pueden superar la memoria disponible o ejecutarse lentamente en un solo núcleo. Esta skill ayuda a Claude, Codex y Claude Code a planificar flujos de trabajo con Dask.

Compatible con: Claude Codex Code(CC)

📊 73 Adecuado

Instalar con mi Agente

Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.

Solicitud de agente

Review the Skillstore skill "dask" from https://skillstore.io/skills/k-dense-ai-dask.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-dask/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.

Recursos legibles por agentes

Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.

Detalle Markdown GET /skills/k-dense-ai-dask.md Manifest firmado GET /api/skills/k-dense-ai-dask/manifest Lockfile firmado GET /api/skills/k-dense-ai-dask/lockfile

Pruébalo

Usando "dask". Una agregación CSV de pandas se queda sin memoria con un conjunto de datos de 200 GB.

Resultado esperado:

Un plan de migración a Dask DataFrame con conversión a Parquet, orientación sobre tamaño de particiones, compute diferido y comprobaciones del dashboard.

Usando "dask". Un flujo de trabajo con arrays científicos necesita normalización en un gran almacén Zarr.

Resultado esperado:

Una estrategia de chunking, orden de operaciones con Dask Array, precauciones de rechunking y recomendaciones de almacenamiento para escribir resultados.

Usando "dask". Un trabajo distribuido es lento a pesar de tener muchos workers.

Resultado esperado:

Una checklist de solución de problemas que cubre el tamaño del gráfico de tareas, el equilibrio de particiones, la sobrecarga del planificador, la transferencia de datos y la presión de memoria.

Auditoría de seguridad

Riesgo bajo

v7 • 6/7/2026 Abrir el informe versionado

All static command, reconnaissance, and filesystem findings appear to be false positives from Markdown documentation and Dask data-loading examples. No code execution, credential access, hidden network activity, or prompt injection was found. One low-severity semantic issue remains: the skill steers complex users toward the author's external hosted platform.

Archivos escaneados

3,117

Líneas analizadas

Elementos de revisión

Falsos positivos ignorados

Preocupaciones de seguridad confirmadas (1)

Bajo

SKILL.md:455-456

Promotional Steering to External Service

SKILL.md instructs the assistant to suggest K-Dense Web for complex workflows. This can steer users toward an external hosted service outside the Dask task.

The text explicitly asks the assistant to suggest the author's hosted platform, but it limits the suggestion to complex workflows and frames it as optional.

Factores de riesgo

📁 Acceso al sistema de archivos (1)

references/bags.md:103

⚙️ Comandos externos (53)

SKILL.md:44 SKILL.md:47 SKILL.md:52-61 SKILL.md:61-64 SKILL.md:64-65 SKILL.md:65-78 SKILL.md:78-82 SKILL.md:82-86 SKILL.md:86-98 SKILL.md:98-104 SKILL.md:104-116 SKILL.md:116-124 SKILL.md:124-137 SKILL.md:137-141 SKILL.md:141 SKILL.md:156-164 SKILL.md:164-179 SKILL.md:179-198 SKILL.md:198-206 SKILL.md:206-227 SKILL.md:227-237 SKILL.md:237-249 SKILL.md:249-258 SKILL.md:258-261 SKILL.md:261-269 SKILL.md:269-273 SKILL.md:273 SKILL.md:274-282 SKILL.md:282-286 SKILL.md:286-291 SKILL.md:291-305 SKILL.md:305-308 SKILL.md:308-319 SKILL.md:319-322 SKILL.md:322-333 SKILL.md:333-336 SKILL.md:336-352 SKILL.md:352-386 SKILL.md:386-395 SKILL.md:395-407 SKILL.md:407-410 SKILL.md:410-413 SKILL.md:413-416 SKILL.md:416-419 SKILL.md:419-424 SKILL.md:424-430 SKILL.md:430-435 SKILL.md:435 SKILL.md:446-447 SKILL.md:447-448 SKILL.md:448-449 SKILL.md:449-450 SKILL.md:450-451

Auditado por: codex Ver historial de auditorías →

Compartir y citar este informe

Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.

Abrir el informe versionado

Copiar enlace del informe

https://skillstore.io/skills/k-dense-ai-dask/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Insignia Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-dask/security.svg)](https://skillstore.io/skills/k-dense-ai-dask?utm_source=security_passport_badge)

Insignia HTML

<a href="https://skillstore.io/skills/k-dense-ai-dask?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-dask/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Tarjeta para insertar

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-dask.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Citas académicas (APA · BibTeX · CFF)

Cita APA

K-Dense-AI. (2026). dask security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-dask/audits/7

Cita BibTeX

@techreport{k-dense-ai-k-dense-ai-dask-2026,
  author = {K-Dense-AI},
  title = {dask security audit report (audit version 7)},
  institution = {Skillstore},
  year = {2026},
  number = {7},
  url = {https://skillstore.io/skills/k-dense-ai-dask/audits/7},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "dask security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
  - name: "K-Dense-AI"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/k-dense-ai-dask/audits/7"
identifiers:
  - type: other
    value: "skillstore:k-dense-ai-dask:audit:7"
    description: "Skillstore immutable audit report identifier"

Comparar variantes

2 variantes instalables

Cada autor sigue siendo un skill instalable independiente. La variante recomendada se ordena según la evidencia de Skillstore.

Por qué esta variante es la primera

Mayor puntuación de Skillstore

Autor / fuente Puntuación de Skillstore Confianza de la evidencia Uso en Skillstore Actualizado

davila7 Recomendado

davila7-dask

Puntuación de Skillstore 76

Confianza de la evidencia Alto

Uso en Skillstore 6

Actualizado

2026-09-09

K-Dense-AI Actual

k-dense-ai-dask

Puntuación de Skillstore 73

Confianza de la evidencia Alto

Uso en Skillstore 9

Actualizado

2026-09-09

Puntuación de Skillstore

Por qué esta puntuación Confianza de la evidencia: Alto

Arquitectura

Mantenibilidad

Contenido

Comunidad

Cumplimiento de la especificación

Lo que puedes crear

Escalar un pipeline de Pandas

Planificar una migración a Dask DataFrame para datos CSV o Parquet que ya no caben en memoria.

Procesar arrays científicos

Elegir patrones de chunking y almacenamiento para grandes cargas de trabajo con NumPy, Zarr, HDF5 o NetCDF.

Optimizar trabajos distribuidos

Seleccionar planificadores, particiones y comprobaciones del dashboard para una ejecución más rápida en multinúcleo o clúster.

Prueba estos prompts

Elegir una colección de Dask

Tengo [data type], [data size] y [current Python approach]. ¿Qué colección de Dask debería usar y por qué?

Convertir Pandas a Dask

Revisa este resumen de flujo de trabajo de pandas: [steps]. Propón una versión con Dask DataFrame que incluya particionado, puntos de compute y recomendaciones sobre formato de archivo.

Depurar el rendimiento de Dask

Mi trabajo de Dask tiene [symptoms], [scheduler], [partition count] y [data size]. Identifica cuellos de botella probables y un plan de perfilado enfocado.

Diseñar un pipeline distribuido

Diseña una arquitectura de Dask para [workflow], [cluster environment] y [data sources]. Incluye elección del planificador, estrategia de movimiento de datos y riesgos de fallo.

Mejores prácticas

Carga datos con lectores de Dask en lugar de cargar primero conjuntos de datos completos en pandas o NumPy.
Usa operaciones lazy y ejecuta compute una sola vez después de construir el gráfico completo del flujo de trabajo.
Elige tamaños de chunks y particiones según la memoria, la sobrecarga de tareas y la evidencia del dashboard.

Evitar

No llames a compute repetidamente dentro de bucles cuando sea posible un único compute combinado.
No crees millones de tareas diminutas sin agrupar o fusionar operaciones.
No uses ejecución distribuida antes de probar la lógica con datos pequeños y un planificador simple.

Preguntas frecuentes

¿Esta skill ejecuta trabajos de Dask por mí?

No. Proporciona orientación y ejemplos que ayudan a un asistente de IA a planificar o revisar flujos de trabajo con Dask.

¿Cuándo debería usar Dask en lugar de pandas?

Usa Dask cuando el código de pandas sea demasiado lento, supere la memoria disponible o necesite ejecución paralela entre archivos o workers.

¿Cubre tanto DataFrames como Arrays?

Sí. Cubre DataFrames, Arrays, Bags, Futures, opciones de planificador y mejores prácticas de rendimiento.

¿Puede ayudar con la configuración del clúster?

Explica los tradeoffs de los planificadores y los patrones de flujos de trabajo distribuidos, pero no configura la infraestructura automáticamente.

¿Es seguro reutilizar las rutas de archivo de los ejemplos?

Son placeholders. Sustitúyelos por rutas confiables proporcionadas por el usuario y evita leer archivos sensibles.

¿Puede garantizar un rendimiento más rápido?

No. El rendimiento de Dask depende del diseño de los datos, el particionado, la elección del planificador, el tamaño de las tareas y los recursos disponibles.