前言¶

在 DeepSeek Harness (DSH) 的智能体开发流程中，数据集的准备与处理往往占据大量时间。从原始数据的清洗，到筛选高质量样本、检查数据多样性，再到拆分训练集与验证集，以及后续的标注工作，手动处理不仅效率低下，还容易出现错误。下面介绍一个能够将这些数据集整理流程集成到 DSH 工作流中的插件。

是什么¶

satan9394/dsh-dataset-curation 是一个工作流类的 DSH 插件。它由维护者 satan9394 开发，旨在解决智能体开发中数据集整理、清洗、质量筛选、多样性处理、数据拆分以及标注的需求。该插件的设计思路受到了 wshobson/agents 项目的启发。

核心功能¶

插件目前提供了以下已核实功能：
* 数据集整理
* 数据清洗
* 质量筛选
* 多样性处理
* 数据拆分
* 数据标注

安装与启用¶

当前未提供官方安装命令，请参考 GitHub 仓库获取最新安装方式。

典型用法¶

当前未提供具体使用示例。

适用场景与注意¶

该插件适合需要批量处理和规范化数据集的开发者。使用时请注意，插件以当前 DSH 进程的权限运行。由于当前未明确许可证信息，在安装前请务必检查源码与许可证条款。

结语¶

总结来说，该工具将数据集整理的繁琐流程纳入 DSH 工作流，适合需要频繁处理数据集的智能体开发者。更多详情与源码，请访问 GitHub 或 DSH 社区目录。