NeMo Data Designer — скилл
Официальный скилл NVIDIA для Claude Code и Codex: по описанию набора данных агент собирает конфигурацию, проверяет, показывает превью и создает синтетику
- 2 360 ★ репозитория
- Последний коммит
- Apache-2.0
Расширенный доступ
Почему такой уровень
- Запускает консольную утилиту и Python-скрипты и пишет файлы конфигурации и наборов данных в рабочую папку
- Отправляет запросы к платным провайдерам моделей по вашему ключу, в том числе при превью и создании набора
- Библиотека по умолчанию передает NVIDIA анонимную телеметрию с названиями моделей и числом токенов
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/nemo-data-designerОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- Запускает консольную утилиту и Python-скрипты и пишет файлы конфигурации и наборов данных в рабочую папку
- Отправляет запросы к платным провайдерам моделей по вашему ключу, в том числе при превью и создании набора
- Библиотека по умолчанию передает NVIDIA анонимную телеметрию с названиями моделей и числом токенов
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Скилл `data-designer` работает поверх Python-библиотеки Data Designer от NVIDIA и ее консольной утилиты `data-designer`. Вы описываете нужный набор данных словами, а агент пишет Python-файл с функцией `load_config_builder()`, которая возвращает конфигурацию генерации: колонки с сэмплерами, колонки с запросами к LLM, валидаторы, судьи-модели и процессоры. В файле стоят встроенные метаданные `PEP 723` с зависимостью `data-designer`. Скилл ведет работу по шагам. Сначала он находит утилиту, читает `data-designer agent context` и выясняет доступные псевдонимы моделей. Затем в интерактивном режиме задает уточняющие вопросы об осях разнообразия, схеме итогового набора и структуре вывода, а в режиме автопилота, когда вы просите решать самому, принимает разумные решения и перечисляет их. Дальше идут `data-designer validate`, исправление замечаний и `data-designer preview --save-results`, после которого агент отдает ссылку на HTML-страницу с примерами записей и по вашим замечаниям правит конфигурацию. Команду `data-designer create` с числом записей в интерактивном режиме запускаете вы сами, в автопилоте агент запускает ее, если вы назвали число записей. Колонки генерации могут использовать выборки, LLM, изображения, пользовательские функции на Python и затравочные наборы, если вы сами назвали файл с исходными записями. Отдельные справочные файлы описывают выборку персон (имена, демография, адреса), разбор превью и работу с затравочными данными.
Для кого. Для инженеров и исследователей, которым нужны синтетические наборы данных для обучения, оценки или тестов, и которые хотят описать набор словами и получить готовый конфигурационный файл для библиотеки.
Подходит, если
- Нужен набор текстов, например обращений в поддержку или отзывов, с контролируемым разнообразием категорий, тональности и длины
- Нужна структурированная выдача по схеме Pydantic: поля, типы и ограничения заданы заранее
- Требуется оценка качества сгенерированных записей судьей-моделью и проверка валидаторами на Python или SQL
- Вы хотите посмотреть первые записи в HTML до того, как тратить токены на весь набор
- Нужны синтетические персоны с демографией и адресами для тестовых сценариев
Не подходит, если
- Данные уже есть и их надо только преобразовать или очистить: скилл предназначен для генерации, а запись из ваших файлов он берет затравкой только по явной просьбе
- На машине нет Python 3.10 или новее, а ставить его нельзя: библиотека `data-designer` обязательна
- Нет доступа ни к одному провайдеру моделей: нужен ключ NVIDIA Build, OpenAI или OpenRouter либо ваш эндпоинт
- Вам нужен точный статистический двойник реальной выборки: Data Designer создает правдоподобные синтетические записи по вашей конфигурации
Пример запроса к агенту
Используй `data-designer`: собери набор из тысячи обращений в техподдержку интернет-магазина с категорией, тональностью, ответом оператора и оценкой качества ответа судьейОграничения
- Скилл нужен вместе с библиотекой: пакет `data-designer` ставится через `pip install data-designer`, поддерживаются Python 3.10–3.14. Если утилиты нет, агент по инструкции спрашивает разрешения и сам ничего не ставит.
- Для генерации нужен ключ провайдера в переменной `NVIDIA_API_KEY`, `OPENAI_API_KEY` или `OPENROUTER_API_KEY`, либо свой эндпоинт, настроенный командами `data-designer config`. Если псевдонимы моделей не настроены, скилл останавливается.
- Библиотека по умолчанию отправляет NVIDIA анонимную телеметрию: названия моделей и число входных и выходных токенов. Выключает ее `NEMO_TELEMETRY_ENABLED=false`, а условия стороннего эндпоинта действуют отдельно.
- Скорость создания набора зависит от конфигурации и от вашего инференса. Для крупных наборов агент в режиме автопилота предупреждает и просит подтверждение.
- По отчету NVSkills-Eval скилл прошел проверку с замечаниями статического анализа. На четырех задачах по две попытки эффективность составила 97 процентов для Claude Code и для Codex, а эффективность по токенам — 64 и 62 процента.
Как отключить. Скилл удаляют из каталога скиллов агента. Библиотеку и утилиту убирает `pip uninstall data-designer`. Телеметрию отключает переменная `NEMO_TELEMETRY_ENABLED=false`, не удаляя библиотеку. Созданные файлы конфигурации и наборов лежат в вашей рабочей папке и удаляются вручную.
Частые вопросы
Чем интерактивный режим скилла отличается от автопилота?
В интерактивном режиме агент задает уточняющие вопросы о диапазонах, схеме и структуре вывода, показывает план и не уходит из цикла, пока вы не довольны. Автопилот включается словами вроде «решай сам» или «сделай разумно»: агент сам принимает решения, называет главные и доводит работу до превью. Если вы указали число записей, он запускает создание набора.
Какие провайдеры моделей поддерживает библиотека по умолчанию?
В быстром старте предлагаются NVIDIA Build, OpenAI и OpenRouter. Ключи задают переменными `NVIDIA_API_KEY`, `OPENAI_API_KEY` и `OPENROUTER_API_KEY`, а свои провайдеры и модели настраивают командами `data-designer config providers` и `data-designer config models`.
Что делает команда `data-designer agent context`?
Она выдает агенту выверенный по коду контекст библиотеки одним чтением: схемы колонок, типы сэмплеров, валидаторы, процессоры и доступные псевдонимы моделей. Исходники движка читать не нужно, остальное закрывают команды `validate`, `preview` и `create`.
Как подключить генерацию к внешним инструментам?
Библиотека умеет вызывать локальные и удаленные MCP-серверы во время генерации и сохранять трассу вызовов. Примеры лежат в рецептах `docs/assets/recipes/mcp_and_tooluse`. Для источников данных и обработки есть плагины, например чтение файлов GitHub как затравки: `data-designer plugin install github`.
Что получается на выходе после `preview`?
Команда `data-designer preview <путь> --save-results` сохраняет примеры записей в виде HTML-файлов, и агент дает ссылку на `sample_records_browser.html`. По просьбе он сам просматривает записи по справочному файлу `preview-review.md` и предлагает улучшения конфигурации.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыНабор Databricks Field Engineering для агентов: установщик скиллов Databricks, MCP-сервер и визуальный Builder App
Скилл визуализации данных для агентов: превращает данные в аккуратные интерактивные HTML-графики и целые отчеты с единым визуальным языком
Python-библиотека для типизированных версионируемых датасетов над S3, GCS и Azure с командой datachain skill install, которая учит Claude Code, Cursor и Codex р
DataLens Dev MCP
datalens-dev-mcp
Локальный MCP-сервер и плагин Codex для разработки дашбордов Yandex DataLens: чтение, создание, публикация, бэкап и очистка объектов
Скилл и Python-пакет для подбора гиперпараметров: агент читает код, предлагает следующий набор значений, а результат измеряет ваш запуск
SciPilot Figure
scipilot-figure-skill
Скилл-советник по научной визуализации: сначала разбирает данные и подбирает тип графика под вывод, потом рисует его на уровне журнальных требований
Коротко о README
Главная страница репозитория начинается с описания библиотеки, быстрого старта в три шага (установка, ключ, пример на Python), раздела о плагинах и каталоге NVIDIA, ссылок на документацию и учебные блокноты, настройки моделей из консоли и установки скилла для агентов. Дальше идут разделы о телеметрии и ее отключении и о лицензии Apache 2.0 со ссылкой на технический отчет. В репозитории есть документация на платформе Fern, описания архитектуры, рецепты с MCP и плагинами, каталог `skills/data-designer` с рабочими процессами, справочниками, проверками и отчетом об оценке.
Бейдж для README
Исходный SKILL.md
---
name: data-designer
description: Use when the user wants to create a dataset, generate synthetic data, or build a data generation pipeline.
argument-hint: [describe the dataset you want to generate]
license: Apache-2.0
metadata:
owner: DataDesigner
---
# Before You Start
Do not explore the workspace first. The workflow's Learn step gives you everything you need.
# Goal
Build a synthetic dataset using the Data Designer library that matches this description:
$ARGUMENTS
# Workflow
Use **Autopilot** mode if the user implies they don't want to answer questions — e.g., they say something like "be opinionated", "you decide", "make reasonable assumptions", "just build it", "surprise me", etc. Otherwise, use **Interactive** mode (default).
Read **only** the workflow file that matches the selected mode, then follow it:
- **Interactive** → read `workflows/interactive.md`
- **Autopilot** → read `workflows/autopilot.md`
# Rules
- Keep all columns in the output by default. The only exceptions for dropping a column are: (1) the user explicitly asks, or (2) it is a helper column that exists solely to derive other columns (e.g., a sampled person object used to extract name, city, etc.). When in doubt, keep the column.
- Do not suggest or ask about seed datasets. Only use one when the user explicitly provides seed data or asks to build from existing records. When using a seed, read `references/seed-datasets.md`.
- When the dataset requires person data (names, demographics, addresses), read `references/person-sampling.md`.
- If a dataset script that matches the dataset description already exists, ask the user whether to edit it or create a new one.
# Usage Tips and Common Pitfalls
- **Sampler and validation columns need both a type and params.** E.g., `sampler_type="category"` with `params=dd.CategorySamplerParams(...)`.
- **Jinja2 templates** in `prompt`, `system_prompt`, and `expr` fields: reference columns with `{{ column_name }}`, nested fields with `{{ column_name.field }}`.
- **`SamplerColumnConfig`:** Takes `params`, not `sampler_params`.
- **LLM judge score access:** `LLMJudgeColumnConfig` produces a nested dict where each score name maps to `{reasoning: str, score: int}`. To get the numeric score, use the `.score` attribute. For example, for a judge column named `quality` with a score named `correctness`, use `{{ quality.correctness.score }}`. Using `{{ quality.correctness }}` returns the full dict, not the numeric score.
# Troubleshooting
- **`data-designer` CLI not found:** Tell the user that `data-designer` is not installed in this environment (requires Python >= 3.10). Ask if they would like you to create a virtual environment and install it, or if they prefer to do it themselves. Do not install anything without the user's permission.
- **Network errors during preview:** A sandbox environment may be blocking outbound requests. Ask the user for permission to retry the command with the sandbox disabled. Only as a last resort, if retrying outside the sandbox also fails, tell the user to run the command themselves.
# Output Template
Write a Python file to the current directory with a `load_config_builder()` function returning a `DataDesignerConfigBuilder`. Name the file descriptively (e.g., `customer_reviews.py`). Use PEP 723 inline metadata for dependencies.
```python
# /// script
# dependencies = [
# "data-designer", # always required