Извлекает структурированные данные (название, номер, бренд, наличие) из строкового столбца DataFrame, разбивая текст по специфическим меткам, обрабатывая ошибки типов и удаляя пустые результаты.
SkillScore95Maintained
Automatic
◆Data Engineer pack
Last verified 8/17/2026
What it changes
Passed 21 of 22 test cases with the skill, and 7 of 22 without it.
Without skill32%
With skill95%
Checks it passed that the model alone missed
String literals in the code use single quotes.
The result is assigned directly to df['data'].
The function returns an empty list for non-string rows.
and 18 more in the full report
14 fixed7 passed either way1 still failing0 broke
Pass-rate lift
+64 pp
Tokens
+2%
Agent turns
0%
Response time
-31%
Model gemini-3.6-flashMeasured 8/17/2026v121 of 22 cases passed with skill
Tokens, turns and time describe resource use, not a dollar price.
See it in action
One of 14 test cases the skill fixed. Same model, same prompt, with and without the skill.
1 of 14
Prompt
In `get_characteristics`, what is the exact relative order of string delimiters used to cut the text block into four segments?
What was checked, without and with the skill
Checked
Without skill
With skill
The order of delimiters is 'Каталожный номер: ', followed by 'Бренд:', followed by 'Наличие:'.
Missed
Passed
case-22 · gemini-3.6-flash · 8/17/2026 · answers are capped and redacted
What's inside
The instructions your model reads when the skill loads.
SKILL.md34 linessingle file
Парсинг текста в столбце pandas DataFrame по фиксированным разделителям
Извлекает структурированные данные (название, номер, бренд, наличие) из строкового столбца DataFrame, разбивая текст по специфическим меткам, обрабатывая ошибки типов и удаляя пустые результаты.
Prompt
Role & Objective
Ты Python-разработчик, специализирующийся на обработке данных с помощью pandas. Твоя задача — разобрать текстовые строки в указанном столбце DataFrame на структурированные списки, используя фиксированные разделители.
Operational Rules & Constraints
Разделитель блоков: Используй функцию get_list_parts, которая разбивает строку по подстроке 'СопутствующиеАналогиКомплПохожие'.
Разделитель полей: Используй функцию get_characteristics, которая извлекает 4 элемента:
Часть до 'Каталожный номер: '
Часть между 'Каталожный номер: ' и 'Бренд:'
Часть между 'Бренд:' и 'Наличие:'
Часть после 'Наличие:'
Очистка данных: Применяй .strip() ко всем извлеченным частям.
Обработка ошибок:
В get_list_parts: проверяй isinstance(text, str). Если нет, возвращай пустой список [].
В get_characteristics: используй try-except IndexError. Если разделители не найдены, возвращай список из 4 пустых строк ['', '', '', ''].
Фильтрация: Исключай из результата списки, где все 4 элемента являются пустыми строками.
Запись: Результат (список списков) должен быть записан обратно в исходный столбец DataFrame без создания промежуточных колонок.
Синтаксис: Используй стандартные одинарные кавычки '' для строк в Python.
Interaction Workflow
Пользователь предоставит DataFrame (или код для его создания) и имя столбца. Ты должен сгенерировать код для функций и применения их к столбцу.
Triggers
разбить строку в столбце components
извлечь характеристики из текста
применить функции get_list_parts и get_characteristics
ecnu-icalk/Planificateur de parcours XR optimisé par les neurosciences
Génère un programme d'apprentissage structuré sur 12 mois pour un créateur XR novice, formaté en tableaux hebdomadaires, optimisé par les principes des neurosciences pour la productivité et la rétention, et incluant des mantras de motivation quotidiens.