pip-skill

<h1 align="center">pip-skill</h1> <p align="center"><strong>从已安装的 Python API 构建 AI 技能。 一条命令。 离线。 无需构造的函数名称。</strong></p> <p align="center">直接从 <code>inspect.signature</code> 生成 Claude Code、Cursor、Windsurf、OpenCode 和 MCP 服务器技能。无需文档抓取，无需 API 密钥，无需 LLM 参与。</p> <p align="center"> <a href="https://github.com/xmpuspus/pip-skill/stargazers"><img src="https://img.shields.io/github/stars/xmpuspus/pip-skill" alt="GitHub stars"></a> <a href="https://pypi.org/project/pip-skill/"><img src="https://img.shields.io/pypi/v/pip-skill.svg?cacheSeconds=300" alt="PyPI"></a> <img src="https://img.shields.io/badge/python-3.11%20%7C%203.12%20%7C%203.13-blue.svg" alt="Python 3.11/3.12/3.13"> <img src="https://img.shields.io/badge/platform-linux%20%7C%20macos%20%7C%20windows-lightgrey.svg" alt="Linux | macOS | Windows"> <img src="https://img.shields.io/badge/license-MIT-green.svg" alt="License"> <img src="https://img.shields.io/badge/offline-yes-success.svg" alt="默认离线"> <img src="https://img.shields.io/badge/eval-%2B20pp%20Sonnet%20%2F%20%2B22pp%20Haiku%20(blind%2C%209%20pkgs)-brightgreen.svg" alt="评估：+20pp Sonnet / +22pp Haiku 跨 9 个包（盲评）"> </p> <p align="center"><img src="pip-skill-demo.gif" alt="pip-skill 演示：一条命令将 requests 转换为 Claude 技能" width="900"></p> ```bash uvx pip-skill convert requests --install ``` 这就是整个流程。 一条命令，无需安装，技能包将位于 `~/.claude/plugins/requests/`，Claude 可以在下一次会话中调用 requests 并具有正确的类型。 > **注意：** `convert` 导入目标包（其顶级代码运行）并遍历每个子模块。 仅转换您信任的包到 `pip install`。 请参阅 [信任模型](#trust-model)。 如果您更喜欢永久安装？ `pip install pip-skill` 并直接使用 `pip-skill` 二进制文件。 ## 它真的能帮助 AI 吗？ 我们进行了测量。 请参阅 [`RESEARCH.md`](RESEARCH.md) 获取方法和每个包的详细结果。 ### 9 包盲评（2026 年 5 月） 从每个包的文档/ README 中 **不咨询生成的 SKILL.md** 重写项目，因此评估衡量的是终端用户在全新生成的技能中实际看到的内容。 | 模型 | 包 | 项目 | 无技能 | **技能** | 提升 | |---|---|---|---|---|---| | Sonnet 4.5 | 9 | 90 | 61/90 (67.8%) | **79/90 (87.8%)** | **+20.0pp** | | Haiku 4.5 | 9 | 90 | 62/90 (68.9%) | **82/90 (91.1%)** | **+22.2pp** | Sonnet（盲评）：mcp `+80pp`，returns / fastmcp `+60pp`，msgspec / pendulum `+10pp`，h3 / toolz 达到上限，arrow / more_itertools `-20pp`。 两个回归共享一个模式：技能表面低级替代品，如 `arrow.parser.DateTimeParser.parse_iso` 而不是 `arrow.get` 和 `more_itertools.Stats` 而不是 `chunked`，模型选择特定替代品而不是规范的。 ## 快速开始 ### 一次转换（无需安装） ```bash uvx pip-skill convert httpx --install ``` 技能包将位于 `~/.claude/plugins/httpx/`。 Claude Code 自动发现它在下一个会话中。 对于 Cursor、Windsurf 或 OpenCode，请添加 `--format cursor`（或 `windsurf` / `opencode`）并且 `--install` 写入匹配的项目本地配置。 ### 首次检查包 ```bash pip-skill info pandas ``` ``` Package: pandas v2.2.0 Import name: pandas Description: 用于数据分析的强大数据结构 Submodules: 42 Public functions: 156 Public classes: 38 Annotation coverage: 65% Estimated tier: 2 (部分注释) ``` ### 验证技能在 `pip install --upgrade` 后仍保持同步 ```bash pip-skill test ./httpx ``` ``` Testing httpx skill (v0.28.1)... [PASS] httpx.get [PASS] httpx.request [PASS] httpx.URL ... Result: 18/18 passed ``` `test` 读取 `plugin.json` 中的结构化 `tools` 清单并验证每个条目在当前 Python 环境中是否仍可导入。 ### 查看更改 ```bash pip-skill diff ./httpx ``` <p align="center"><img src="demos/diff.gif" alt="pip-skill diff 输出" width="720"></p> 添加/删除的功能名称每行打印一个。 将其输送到再生钩子中以自动保持技能更新。 ### 批量处理整个 requirements.txt ```bash pip-skill batch requirements.txt --workers 4 ``` <p align="center"><img src="demos/batch.gif" alt="并行批量转换技能" width="720"></p> 工作进程输出通过打印锁序列化，因此每包状态行永不交错。 失败的包在 stderr 上返回 `[FAIL] <pkg>: <reason>` 和非零退出代码。 ## 您获得的内容 一个自包含的 Claude Code 插件，准备好放入 `~/.claude/plugins/`： ``` requests/ ├── .claude-plugin/ │ └── plugin.json # 结构化清单：工具、限定名、参数、版本 ├── skills/requests/ │ ├── SKILL.md # Claude 读取的内容（~5k tokens；对于大型 SDK 来说更大） │ ├── CONTEXT.md # 该包的代理指南 │ └── references/ │ └── api-reference.md # 完整的模式、签名、JSON 模式每个工具 └── MANIFEST.sha256 # 仅在 --deterministic 下；涵盖上述每个文件 ``` `plugin.json` 中的 `tools` 数组是技能公开内容的规范记录。 `pip-skill diff` 和 `pip-skill test` 直接读取它，这就是为什么 200 包 monorepo 的版本漂移在几秒内可检测到，并且过时的技能无法被静默发布。 ## 多格式输出 从同一遍历为主要 AI 编码助手生成技能： | 格式 | 标志 | 输出 | |--------|------|--------| | Claude Code | `--format claude`（默认） | `SKILL.md` + `plugin.json` + `CONTEXT.md` + `api-reference.md` | | Cursor | `--format cursor` | `.cursorrules` | | Windsurf | `--format windsurf` | `.windsurfrules` | | OpenCode | `--format opencode` | `AGENTS.md` | | MCP 服务器 | `--mcp` | FastMCP Python 服务器，标识符验证 | 生成的 `SKILL.md` 遵循开放的 [Agent Skills](https://agentskills.io) 标准，因此它适用于许多 AI 编码工具，这些工具使用规范：Claude Code、Cursor、Windsurf、OpenCode、GitHub Copilot、VS Code Copilot、OpenAI Codex、Gemini CLI、JetBrains Junie、Goose、Roo Code、Databricks Genie Code 等。 ## 现实世界的例子 配方对于每个包都是相同的：`pip install <pkg> && uvx pip-skill convert <pkg> --install`，然后启动一个 Claude Code 会话并按名称使用包。 下表列出了您在下一个会话中获得的功能；每行一个提示就足以验证。 | 包 | Claude 获得的内容 | 示例提示 | |---|---|---| | `Pillow` | 调整大小、裁剪、旋转、水印、转换格式、过滤、合成 | "将此文件夹中的所有 JPEG 调整为 1200px 宽并添加“CONFIDENTIAL”水印" | | `openpyxl` | 真实的 `.xlsx`，带有公式、合并单元格、图表、条件格式 | "使用汇总表格和总行中的 SUM 公式生成销售报告" | | `boto3` | S3、Lambda、EC2、CloudWatch、SQS、DynamoDB，带有已安装 SDK 的类型 | "列出所有 S3 存储桶及其大小，并将存档存储桶中超过 90 天的对象移动到 Glacier" | | `pytesseract` | 对截图、收据、名片进行 OCR | "从这些收据照片中提取项目和总计到电子表格中" | | `paramiko` | SSH + SFTP、运行命令、传输文件 | "SSH 进入每个服务器并提醒我任何分区超过 80%" | | `pdfplumber` | 表格、边界框、PDF 中的字符级位置 | "从每个 PDF 中提取发票表格并合并到一个电子表格中" | | `stripe` | 客户、订阅、退款、发票、产品 | "查找暂停 >30 天的订阅、发送 20% 重新激活优惠券、记录结果" | | `cryptography` | Fernet、RSA、X.509、HMAC、密码哈希 | "使用通行短语加密所有 .env 文件，写入 .env.enc，删除原件" | | `pydub` | 切片、标准化、叠加、格式转换音频 | "将此播客在 >2 秒沉默处分割，标准化为 -14 LUFS，导出为 MP3" | | `twilio` | SMS、WhatsApp、语音、电话查找 | "向此列表中的每个人发送文本，确认他们的预约明天" | | `reportlab` | 带有表格、图表、嵌入图像、自定义字体的 PDF | "使用此 JSON 生成 PDF 发票，带有徽标、项目表格、税计算、页脚" | | `pyarrow` | Parquet、Arrow、数据集的列查询太大而无法使用 pandas | "读取此 4GB Parquet，过滤 `revenue > 10000 AND region == 'APAC'`，导出为 CSV" | 三个更深入的演练（Anthropic SDK、databricks-sdk、google-cloud-bigquery）位于 [`EXAMPLES.md`](EXAMPLES.md) 中。 ## 工作原理 1. **`importlib.import_module(...)` + `pkgutil.walk_packages(...)`** 遍历每个子模块。 导入错误在 `BaseException` 边界处捕获，因此引发 `pytest.importorskip`（继承自 `BaseException`）的包不会导致遍历崩溃。 2. **`inspect.signature(eval_str=True)`** 以温和的回退解决类型注释，甚至在像 httpx 这样的包上，其前向引用引用未从定义模块导出的符号。 3. **`typing.get_type_hints()`** 遍历 `from __future__ import annotations` 和 `Annotated[...]` 包装器；元数据层提取 pydantic `Field(description=...)` 和类似的内容。 4. **`docstring-parser`** 从 Google / NumPy / reST 文档字符串中提取参数描述。 5. **`pydantic.create_model()`** + **`model.model_json_schema()`** 从类型注释生成 JSON 模式；当注释部分时，会使用手动模式生成器。 6. **10 信号评分算法** 选择最有用的候选项（模块深度、`__all__` 成员资格、文档字符串质量、注释覆盖率、名称动词前缀、参数计数、返回类型存在、不已弃用、顶级重新导出和针对更高评分同行的唯一性）。 默认上限为每技能 20 个工具，我们的 [工具计数扫描](scripts/tool_count_sweep.py) 显示这是 polars 的最佳位置：N=40 时，准确率保持在 80%，N=10 时，覆盖率降至 50%。 7. **顶级函数、公共类的实例方法和类构造函数都是候选项，** 因此规范模式如 `requests.Session().get()` 和 `boto3.client('s3').list_buckets()` 与模块级函数以相同方式评分。 8. **破坏性动词**（`delete`、`drop`、`terminate`、`kill`、`revoke`、`cancel`、`unlink`、`purge`、`wipe`、`uninstall`，...）在生成的 SKILL.md 中自动获得 `[CAUTION]` 调用，以便 Claude 在调用前确认。 来源：[`introspect.py`](src/pip_skill/introspect.py)、[`selector.py`](src/pip_skill/selector.py)、[`schema.py`](src/pip_skill/schema.py)、[`generator.py`](src/pip_skill/generator.py)。 ## 可复制性 (`--deterministic`) ```bash pip-skill convert requests --deterministic sha256sum -c MANIFEST.sha256 ``` 固定 `plugin.json` 中的 `generatedAt` 时间戳，排序模块遍历，以便 OS 文件系统大小敏感性不会更改选择，强制 `--select` 上的 `temperature=0`，并发出一个涵盖包中每个字节的 `MANIFEST.sha256`。 两个运行针对相同包版本和相同的 pip-skill 版本，产生比特相同的字节。 在论文中引用包或固定评估基线时使用此功能。 ## 衡量技能 (`pip-skill eval`) ```bash # 离线：预期的工具是否在包中？ 无模型调用。 pip-skill eval ./requests examples/eval/requests.jsonl # 通过现有的 Claude Code 会话评估实时模型。 # 无需 API 密钥：`claude -p` 在您的订阅下运行。 pip-skill eval ./requests examples/eval/requests.jsonl \ --conditions coverage,no-skill,skill ``` 在生成的包上运行 JSONL 评估集 `{task, expected_qualname}`。 `coverage` 条件是离线的。 `no-skill` 和 `skill` 条件要求 Claude 在有和没有生成的 SKILL.md 的情况下发出 Python 调用，然后在第一个 `<package>.<fn>(...)` 调用上评估 AST 等价。 与 [Berkeley Function-Calling Leaderboard（BFCL）](https://gorilla.cs.berkeley.edu/leaderboard.html) 相同的指标。 提取器接受常见别名（`pl` 表示 polars、`pd` 表示 pandas、`np` 表示 numpy 等）并将其标准化回规范名称。 评估集随 `requests`、`httpx` 和 `polars` 一起位于 [`examples/eval/`](examples/eval/) 下；以 JSONL 编写自己的评估集，每个 `{task, expected_qualname}` 一行。 **后端**（默认无需 API 密钥）： | 后端 | 认证 | 可复制 | 何时自动选择 | |---|---|---|---| | `claude-cli` | 通过 `claude -p` 使用您的 Claude Code 会话 | 否（CLI 不公开 `temperature`） | 当 `claude` 在 PATH 上且未设置 API 密钥时 | | `api` | `ANTHROPIC_API_KEY` + `[llm]` 额外项（Anthropic SDK） | 是（`temperature=0`） | 当设置了 `ANTHROPIC_API_KEY` 时 | 强制使用 `--backend claude-cli`（零摩擦，推荐用于本地检查）或 `--backend api`（论文级可复制性）。 ## Python API 对于笔记本、评估工具和 CI 作业： ```python from pip_skill import generate_skill bundle = generate_skill("requests", deterministic=True) print(bundle.tool_count, bundle.tool_names[:3]) # 20 ['requests.get', 'requests.post', 'requests.put'] print(bundle.manifest_path.read_text().splitlines()[0]) # 8e3f... .claude-plugin/plugin.json # 相同的调用，但通过 Claude 重新排序庞大的 SDK。 bundle = generate_skill("boto3", select=True, deterministic=True) ``` `SkillBundle` 公开已遍历的 `PackageInfo`、已选定的 `ToolSchema` 列表、磁盘路径和（在确定性模式下）SHA-256 清单路径。完整表面位于 [`src/pip_skill/api.py`](src/pip_skill/api.py)。 ## 与其他技能生成器的比较 | | pip-skill | [skill-seekers](https://pypi.org/project/skill-seekers/) | [skillnet-ai](https://pypi.org/project/skillnet-ai/) | [skills-cli](https://pypi.org/project/skills-cli/) | |---|---|---|---|---| | **做什么** | 将已安装的 pip 包转换为技能 | 将文档、存储库、PDF、视频转换为技能 | 从各种来源创建、评估和连接技能 | 搭建、验证和管理现有技能 | | **输入源** | 已安装的 Python 包（运行时遍历） | 17 种源类型（网站、存储库、PDF、视频、Wiki） | 会话日志、存储库、文档、提示 | 手动创作 | | **类型准确性** | 精确（在运行时读取 `inspect.signature()`） | 取决于文档质量 | 取决于源质量 | 不适用（手动） | | **需要 API 密钥** | 否（默认离线） | 可选（用于 AI 增强） | 是（用于创建/评估） | 否 | | **输出格式** | Claude、Cursor、Windsurf、OpenCode、MCP | Claude、Gemini、OpenAI、LangChain、12+ 格式 | SKILL.md | SKILL.md | | **漂移检测** | `diff` + `test` 针对结构化清单 | 无 | 无 | 规范验证 | | **可复制性** | `--deterministic` 模式 + `MANIFEST.sha256` | 无 | 无 | 无 | | **评估** | `pip-skill eval`（AST 等价性，BFCL 风格） | 无 | 评估框架 | 无 | | **最佳用途** | 您在代码中使用的 Python 包 | 文档和知识库 | 发现预建技能 | 管理和分发技能 | 这些工具是互补的：pip-skill 从具有精确类型签名的已安装 Python API 生成技能；其他工具从文档或预建存储库工作。 ### `pip-skill convert <package>` 从已安装的包生成技能。 ``` 选项： --mcp 生成MCP服务器以及SKILL.md --output 目录 输出目录（默认：./{package-name}） --max-tools 数目 要包含的最大函数数量（默认：20） --format 格式 输出格式：claude（默认）、cursor、windsurf、opencode --include 模式 包含匹配全局模式的函数 --exclude 模式 排除匹配全局模式的函数 --select 使用Claude优化启发式选择 （需要ANTHROPIC_API_KEY和pip-skill[llm]） --install 生成后，将技能安装到AI工具目录 （~/.claude/plugins/, .cursor/rules/, 等） --deterministic 固定时间戳，排序遍历，MANIFEST.sha256 （用于可引用的/可复制的包） --dry-run 预览而不写入文件 --verbose 显示评分明细 --force 覆盖现有输出（首先清理目录） ``` ### `pip-skill batch <packages|requirements.txt>` 并行转换多个包。 ``` 选项： --workers 数目 并行工作线程（默认：4） --output-dir 目录 基目录（默认：当前工作目录） --format 格式 输出格式 --mcp 同时生成MCP服务器 --max-tools 数目 每个技能的最大工具数量（默认：20） --include 模式 包含匹配全局模式的函数 --exclude 模式 排除匹配全局模式的函数 --force 覆盖每个包的输出目录 ``` ### `pip-skill info <package>` 显示包元数据和API表面摘要。 ### `pip-skill diff <plugin-dir>` 比较生成的技能与当前安装的包版本。 报告从结构化`tools`清单中添加或删除的函数名称。 ### `pip-skill test <plugin-dir>` 验证技能中的每个函数在当前Python环境中是否仍然可导入。 在依赖项升级后使用，以在Claude执行之前捕获过时的技能。 ### `pip-skill validate <plugin-dir>` 轻量级结构检查：`plugin.json`存在，`SKILL.md`存在且在500行规范限制之内。 对于功能检查，请使用`test`。 ### `pip-skill eval <plugin-dir> <eval-file.jsonl>` 在JSONL评估集上评估工具调用的准确性。 条件是`coverage`（离线，在清单检查中），`no-skill`（Claude无规范，基准），`skill`（Claude附带SKILL.md）。 通过率以表格或JSON形式发出，供CI使用。方法论在[`RESEARCH.md`](RESEARCH.md)。 ### `pip-skill build <package>` 交互式TUI构建器。需要`pip-skill[tui]`。 ### `pip-skill search [query]` / `pip-skill install <package>` 从注册表中浏览和安装预构建的技能。可选；常见路径是针对本地安装的包使用`pip-skill convert`。 ## CI集成 [`action.yml`](action.yml)是一个复合GitHub Action，封装了`astral-sh/setup-uv`和`pip-skill batch`。 在工作流中使用它，以保持生成的技能与`requirements.txt`同步： ```yaml - uses: xmpuspus/pip-skill@v0.1.0 with: packages: requirements.txt output-dir: ./skills workers: 4 ``` [`.pre-commit-hooks.yaml`](.pre-commit-hooks.yaml)为pre-commit用户提供了`pip-skill-sync`和`pip-skill-test`钩子。 ## 信任模型 `pip-skill convert`执行两项影响安全的操作： 1. **导入目标包。** `inspect.signature`需要一个真正的Python模块，因此`importlib.import_module(...)`运行包的顶级代码。 信任要求与`pip install`相同：仅对您已经愿意安装在venv中的包运行pip-skill。 2. **将包的文档字符串嵌入到SKILL.md中，AI将其作为权威技能指令加载。** 恶意包的文档字符串可能会尝试通过`<system>...</system>`样式标签进行提示注入。 pip-skill中和了LLM控制标签词汇量，在每个散文插值中，并验证Python标识符，然后再将它们发出到生成的MCP服务器中。 威胁模型与InjecAgent（[arXiv:2403.02691](https://arxiv.org/abs/2403.02691)）和MCPTox（[arXiv:2508.14925](https://arxiv.org/pdf/2508.14925)）合作。 完整列表在[`SECURITY.md`](SECURITY.md)。 ## 研究 pip-skill的设计直接源于函数调用文献中的两个线程： 1. **读取实时API可消除train/serve文档偏差**，Gorilla和CloudAPIBench衡量（无幻觉API）。 2. **将签名+文档字符串压缩为简洁的工具规范**，比过去的文档粘贴产生的EASYTOOL-style指令的token成本更低。 [`RESEARCH.md`](RESEARCH.md)收集了16个引用（Gorilla、BFCL、ToolLLM、API-Bank、EasyTool、ToolACE、MetaTool、RestBench、AgentBench、InjecAgent、MCPTox、MCP安全审计、CloudAPIBench、基于代理的函数调用稳健性、Agent Skills规范、MCP规范），本次发布中的四个测量发现、路线图实验（BFCL提交、漂移悬崖测量、100包真实API语料库）和BibTeX条目。 如果您发布从pip-skill输出计算的结果，请使用`--deterministic`重新生成，并引用`plugin.json`中记录的版本（`generatedBy`）。 `MANIFEST.sha256`文件允许审查者逐字节验证包。 ## 常见问题 **为什么不直接粘贴文档到上下文中？** 令牌限制。boto3文档大小为50MB+。pip-skill选择按有用性评分最高的20个函数，并将所有内容以约4,000个令牌、正确的类型和JSON模式拟合。 **为什么不依赖LLM的内置知识？** 它适用于像`requests`这样的热门包（我们测量了Sonnet的9/10 no-skill）。 对于训练截止日期后更新的包、特定包和复杂签名，它会失败。 pip-skill在运行时读取实际安装的API，因此函数名称和类型签名来自`inspect.signature`，而不是模型。 CloudAPIBench（[arXiv:2407.09726](https://arxiv.org/abs/2407.09726)）量化了低频API的训练截止日期差距。 **为什么不直接使用MCP服务器？** pip-skill也生成这些（ `--mcp`）。 但是仅限技能模式更轻量：无需服务器进程，无需端口，无需配置。 AI读取SKILL.md并直接编写正确的Python。 **对于具有C扩展的包怎么办？** 与numpy、pandas等一起工作。C级函数的签名信息有限，但pip-skill会回落到文档字符串解析，并将技能标记为Tier 3，以便AI知道要谨慎。 ** `--select`会大大改变输出吗？** 对于一级包（httpx、pydantic），启发式和LLM往往对前20个达成一致。 胜利在于动态SDK（boto3、stripe），其中LLM更擅长选择与用例相关的函数，而不是得分最高的函数。 量化比较在路线图上（参见[`RESEARCH.md`](RESEARCH.md)，实验1）。 ** `--install`将文件放在哪里？** Claude格式->`~/.claude/plugins/{normalized-name}/`。 Cursor->`.cursor/rules/{name}.mdc`。 Windsurf->`.windsurf/rules/{name}.md`。 OpenCode->`./AGENTS.md`。 名称规范化后，Pillow->pillow，PyYAML->pyyaml，discord.py->discord-py，与主机文件系统大小写敏感性无关。 **生成的输出是否可复制？** 使用`--deterministic`时，是的。 固定`generatedAt`，排序遍历，`temperature=0`在`--select`上，以及涵盖每个字节的`MANIFEST.sha256`。 对同一包版本使用相同的pip-skill版本，会产生比特相同的包。 **评估工具是否需要API密钥？** 不需要。 默认后端（`claude-cli`）在您现有的Claude Code会话下调用`claude -p`。 `api`后端存在于论文级可复制性（`temperature=0`），仅在设置`ANTHROPIC_API_KEY`时启用。 **我可以在CI中使用它吗？** 是的。参见[CI集成](#ci-integration)。 ## 支持的包 pip-skill适用于任何已安装的Python包。它处理： - 完全注释的API（Tier 1）：httpx、pydantic、fastapi - 部分注释的API（Tier 2）：requests、click、flask - 有状态/动态API（Tier 3）：boto3、sqlalchemy、stripe - C扩展：numpy、pandas（签名信息有限） - Pydantic v2模型：自动检测，从`model_fields`提取字段 - `Annotated[X, Field(description=...)]`：描述进入JSON模式 - 数据类：自动检测；通过`__init__`签名显示字段 - 通过模块级`__getattr__`延迟导入：检测（将包推入Tier 3，以便生成的CONTEXT.md告诉Claude防御属性解析） - `*args`/`**kwargs`：作为合成`args`/`kwargs`模式属性保留 ### 大型数据科学/数据工程库 pip-skill转换大型库而不会卡住 — 16包扫描（numpy、pandas、polars、pyarrow、scikit-learn、xgboost、statsmodels、matplotlib、seaborn、plotly、sqlalchemy、duckdb、networkx、joblib、tqdm、scipy）全部清洁转换。 测试套件和基准测试（`*.tests.*`、`test_*`、`conftest`）在检查期间跳过，因此像pandas（其测试树约为1,100个模块）这样的包在几秒钟内转换，而不是几分钟。 启发式选择是**大型库的最佳努力**：数据科学家调用的函数（`pandas.read_csv`、`matplotlib.pyplot.plot`、`seaborn.scatterplot`）在结构上与同一`__all__`中的数十个不常见的兄弟姐妹无法区分，因此默认排名会错过其中许多。 对于这些，请使用`--select`（LLM管理）- `convert`在库公开超过300个公共可调用函数时打印提醒： ```bash pip-skill convert pandas --select # Claude精选20个最有用的调用 ``` ## 贡献 参见[`CONTRIBUTING.md`](CONTRIBUTING.md)获取开发设置和指南。 使用`./scripts/bootstrap-demo.sh && vhs docs/demo.tape`（和`docs/batch.tape`、`docs/diff.tape`）重新录制demo GIF。 ## 许可证 MIT，参见[`LICENSE`](LICENSE)。 <p align="center">由<a href="https://github.com/xmpuspus">Xavier Puspus</a>构建</p>