python-executor
Exécuter du Code Python avec 100+ Bibliothèques dans un Bac à Sable Sécurisé
Également disponible depuis: inference-sh,inference-sh-9,inferen-sh
Exécutez du code Python de manière sécurisée dans un environnement bac à sable sans installation locale. Accédez à plus de 100 bibliothèques pré-installées incluant Pandas, NumPy, BeautifulSoup, MoviePy et OpenCV pour le traitement de données, le scraping web, la manipulation d'images, la création de vidéos et les tâches d'automatisation.
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 Python code to calculate fibonacci sequence
Résultat attendu:
- Running Python execution with 8GB RAM allocation
- Fibonacci sequence (0-20): [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765]
- Execution completed in 0.8 seconds
Utilisation de "python-executor". Scrape product prices from example.com
Résultat attendu:
- Starting web scraping with BeautifulSoup
- Found 24 product listings
- Extracted: name, price, availability
- Saved results to outputs/products.csv
- Files available for download: products.csv (4.2 KB)
Utilisation de "python-executor". Create a bar chart from this data
Résultat attendu:
- Generating visualization with Matplotlib
- Data loaded: 15 rows x 3 columns
- Created bar chart showing sales by region
- Saved chart to outputs/sales_chart.png
- Files available for download: sales_chart.png (156 KB)
Audit de sécurité
SûrAll 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.
Score de qualité
Ce que vous pouvez construire
Analyse et Visualisation de Données
Traitez de grands ensembles de données avec Pandas, créez des visualisations avec Matplotlib et exportez les résultats sous forme de fichiers CSV ou PNG
Automatisation du Web Scraping
Extrayez des données de sites web en utilisant des clients HTTP et des parseurs HTML, ou automatisez les navigateurs avec Selenium pour le contenu dynamique
Pipeline de Traitement Média
Manipulez des images, créez des vidéos avec des superpositions de texte ou traitez des modèles 3D entièrement en Python sans dépendances locales
Essayez ces prompts
Exécutez ce code Python et retournez la sortie : {code}Exécutez du code Python pour analyser ces données : {data}. Utilisez Pandas pour le traitement et enregistrez les visualisations dans outputs/Écrivez et exécutez du code Python pour scraper les données de {url}. Extrayez {target_data} et enregistrez les résultats dans outputs/data.jsonExécutez Python pour traiter les fichiers média. Utilisez {libraries} pour manipuler le {media_type} et enregistrez les résultats dans outputs/Bonnes pratiques
- Enregistrez toujours les sorties dans le répertoire outputs/ pour une récupération automatique des fichiers après l'exécution
- Définissez des valeurs de délai appropriées en fonction de la complexité de la tâche (30s par défaut, jusqu'à 300s maximum)
- Utilisez la variante high_memory (16 Go de RAM) lorsque vous travaillez avec de grands ensembles de données ou un traitement média complexe
- Écrivez du code non-interactif en utilisant des méthodes d'enregistrement au lieu de fonctions d'affichage comme plt.show()
Éviter
- N'utilisez pas de commandes interactives comme plt.show() ou input() car elles provoqueront un blocage de l'exécution
- Évitez d'installer de nouveaux paquets avec pip car seules les bibliothèques pré-installées sont disponibles
- N'essayez pas d'utiliser le GPU ou l'entraînement de modèles ML car l'environnement est CPU uniquement
- Ne codez jamais en dur des identifiants sensibles dans le code car l'environnement d'exécution n'est pas persistant