1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | cdf-curation-and-retrieval-nvidia-skills |
| 作者/维护者 | NVIDIA(官方) |
| 来源链接 | https://github.com/nvidia/skills/tree/main/skills/cdf-curation-and-retrieval |
| 许可证 | CC-BY-4.0 AND Apache-2.0 |
| GitHub Stars / Forks | 3,874 / 411(所属仓库整体数字,不代表本技能自身热度;GitHub API,2026-11-09 读取) |
| 最新版本 | 技能内标注 1.2.0;仓库主分支最近一次提交 2026-11-09 |
| 安装方式 | 把技能目录复制进 agent 的 skills 目录;另需 Cosmos Curator / Dataset Search 的访问权限 |
数据来源:上述数字取自 GitHub API;功能与评分依据来自技能正文与官方文档。
2. 功能介绍与亮点
一句话:给物理 AI 的数据集做整理与检索——切分、去重、分片、标注、过滤、生成字幕与向量,再按能力做数据集检索。
- Cosmos Curator 流水线:视频与图像的分片、去重、标注、过滤、字幕与 embedding,一条链跑完。
- Cosmos Dataset Search:把数据集入库、检索,并按「能力」筛选。
- TAO 数据挖掘:用 embedding 做近邻匹配,找相似样本。
- 领域事件目录:内置若干领域目录,其中涉及员工行为监测的条目明确要求先做法律审查。
- 边界清楚:不管模型训练与编排,数据集以外的问题不接。
3. 适用场景
所属分类:数据分析与可视化。
- 做物理 AI / 视频模型、需要清洗与去重大规模视频数据集的团队;
- 想给数据集建检索能力、按场景筛样本的工程师;
- 需要批量生成字幕与 embedding 再训练下游模型的人;
- 正在评估 Cosmos 数据工厂能否接进现有管线的架构师。
4. 跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 技能目录安装,按描述触发 |
| Codex | 需适配 | 技能正文通用,CLI 与 Make 调用需按平台调整 |
| OpenClaw | 需适配 | 需要平台支持技能目录并允许执行本地命令 |
| Hermes Agent | 未验证 | 未找到该平台的接入示例 |
5. 推荐理由
视频数据集真正费时的是「把脏数据变成能训的数据」:切片、去重、分片、打标、生成字幕与向量,每一步都有坑。这个技能把这条流水线按 Cosmos 的组件写清楚,并说明数据集检索怎么按能力筛选——对做物理 AI 数据的团队,这是能直接照着排工序的说明。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | NVIDIA 官方出品;所属仓库 3,874 stars 是整个合集热度,不代表本技能自身热度 |
| 可用性 | 7 | 组件与流程完整;前置是 Cosmos 环境的访问与配置 |
| 安全性 | 8 | 见下方清单;数据处理在自有环境,但内置目录含隐私敏感场景,技能自身要求先做法律审查 |
安全性检查清单:
| 项 | 结果 |
|---|---|
| ① 执行 shell 与权限 | 通过 Cosmos CLI/Make 操作自有数据集 |
| ② 联网外发 | 与所配置的 NVIDIA 服务通信,目标透明 |
| ③ 凭据 | 使用既有访问凭据,不要求写进对话 |
| ④ 可疑指令 | 未见注入;对敏感目录主动标注需法律审查 |
| ⑤ 作者信誉 | NVIDIA 官方仓库 |
| ⑥ License | CC-BY-4.0 AND Apache-2.0,全文可查 |
| ⑦ 维护时间 | 2026-11-09 仍在更新 |
扣分点:需要 Cosmos 环境;涉及人员行为类数据的目录须先过法务。
7. 跟同类 Skills 相比的优势
| 技能 | 定位 | 与本技能的差异 |
|---|---|---|
| data-designer-nvidia-skills | 合成数据生成 | 造数据;本技能清洗与检索已有数据 |
| accelerated-computing-cudf-nvidia-skills | GPU 数据帧加速 | 管表格数据处理;本技能管视频/图像数据集 |
| dali-dynamic-mode-nvidia-skills | 数据加载与增强 | 管训练时的数据流水线;本技能管入库前的整理 |
核心差异:同类分别管造数、表格与加载,它管的是「数据集从原始素材到可检索」这一段。
8. 用户评价
该技能目前在第三方平台尚无具名用户评价(2026-11-09)。
9. 其他补充
- 技能内标注版本 1.2.0,reviewed 2026-10-20。
- 属于
nvidia/skills合集(400 多个技能),可按需只装这一条。
10. 安装使用方式
git clone https://github.com/nvidia/skills
mkdir -p ~/.claude/skills
cp -r skills/skills/cdf-curation-and-retrieval ~/.claude/skills/
装好后说「把这批视频切片去重、生成字幕与向量,再按场景建检索」,它会按 Curator 与 Dataset Search 的组件给步骤。
11. 注意事项
- 需要 Cosmos Curator / Dataset Search 的访问权限。
- 内置领域目录涉及人员行为监测,使用前必须做法律与合规审查。
- 去重与过滤参数会直接影响训练质量,先小规模验证再全量跑。
- 数据集检索的「能力」筛选依赖标注质量。