前言¶

在 DeepSeek Harness (DSH) 的智能體開發流程中，數據集的準備與處理往往佔據大量時間。從原始數據的清洗，到篩選高質量樣本、檢查數據多樣性，再到拆分訓練集與驗證集，以及後續的標註工作，手動處理不僅效率低下，還容易出現錯誤。下面介紹一個能夠將這些數據集整理流程集成到 DSH 工作流中的插件。

是什麼¶

satan9394/dsh-dataset-curation 是一個工作流類的 DSH 插件。它由維護者 satan9394 開發，旨在解決智能體開發中數據集整理、清洗、質量篩選、多樣性處理、數據拆分以及標註的需求。該插件的設計思路受到了 wshobson/agents 項目的啓發。

核心功能¶

插件目前提供了以下已覈實功能：
* 數據集整理
* 數據清洗
* 質量篩選
* 多樣性處理
* 數據拆分
* 數據標註

安裝與啓用¶

當前未提供官方安裝命令，請參考 GitHub 倉庫獲取最新安裝方式。

典型用法¶

當前未提供具體使用示例。

適用場景與注意¶

該插件適合需要批量處理和規範化數據集的開發者。使用時請注意，插件以當前 DSH 進程的權限運行。由於當前未明確許可證信息，在安裝前請務必檢查源碼與許可證條款。

結語¶

總結來說，該工具將數據集整理的繁瑣流程納入 DSH 工作流，適合需要頻繁處理數據集的智能體開發者。更多詳情與源碼，請訪問 GitHub 或 DSH 社區目錄。