python-executor
Exécuter du code Python dans un environnement isolé
Également disponible depuis: inference-sh,inference-sh-9,skillssh
L'exécution de code Python en local nécessite de configurer des environnements et de gérer les dépendances. Cette compétence fournit un accès instantané à un environnement Python préconfiguré avec plus de 100 bibliothèques prêtes à l'emploi.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "python-executor". Execute: import pandas as pd; df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}); print(df.mean())
Résultat attendu:
Code exécuté avec succès. Sortie : A 1.5
B 3.5
dtype: float64
Utilisation de "python-executor". Create a bar chart from data and save to outputs/chart.png
Résultat attendu:
Code exécuté avec succès. Sortie : Graphique enregistré !
Fichiers joints : chart.png (image PNG, 800x600)
Audit de sécurité
Risque moyenStatic analyzer flagged 69 patterns in SKILL.md documentation file, but all are false positives. The 'backtick execution' patterns are markdown code block formatting, not shell execution. Network patterns are documentation URLs and example snippets. The skill legitimately uses the infsh CLI to send Python code to a remote sandboxed execution service (inference.sh). Risk is medium due to remote code execution capability, but execution occurs in an isolated subprocess on their infrastructure with timeout limits (1-300s).
Problèmes à risque moyen (1)
Facteurs de risque
⚙️ Commandes externes (1)
🌐 Accès réseau (1)
Score de qualité
Ce que vous pouvez construire
Pipeline d'analyse de données
Traiter et visualiser des datasets avec Pandas et Matplotlib sans configuration d'environnement local.
Web scraping automatisé
Extraire des données de sites web en utilisant requests, BeautifulSoup ou des outils d'automatisation de navigateur.
Traitement de médias
Créer et manipuler des images, vidéos et modèles 3D en utilisant des bibliothèques Python spécialisées.
Essayez ces prompts
Run this Python code: print('Hello World')Create a DataFrame with columns 'name' and 'sales', then calculate the average sales and display a bar chart.
Scrape the title and all links from https://example.com using requests and BeautifulSoup, then return the results as JSON.
Load an image, apply a grayscale filter, resize to 800x600, and save the result. Then create a thumbnail version at 150x150 pixels.
Bonnes pratiques
- Toujours enregistrer les fichiers de sortie dans le répertoire outputs/ pour garantir qu'ils sont retournés dans la réponse
- Définir des valeurs de délai d'attente appropriées pour les opérations de longue durée comme le traitement vidéo ou le web scraping
- Utiliser des méthodes non interactives comme plt.savefig() au lieu de plt.show() pour les visualisations
Éviter
- Ne pas tenter d'opérations interactives comme plt.show() ou input() - l'environnement est non interactif
- Éviter de compter sur les bibliothèques GPU - l'environnement est CPU uniquement
- Ne pas s'attendre à un état persistant entre des exécutions de code séparées - chaque exécution est isolée