各位 Trae 的友友们好 ，
最近接手了一个老项目的数据迁移 。源数据简直是灾难现场：日期格式五花八门有的带时区，有的纯字符串，手机号里混着横杠和空格，甚至还有那种因为编码问题产生的乱码字符。
刚开始我每次遇到新表，都得让 AI 帮我重写一遍清洗逻辑，Prompt 写得越来越长，还容易出错。后来我想，与其每次都重新“教”AI，不如直接把这套逻辑固化下来，变成一个专属 Skill。
于是我就搓了这个Skill。现在只要把脏数据丢进去，告诉它目标格式，它就能自动调用这个 Skill 搞定，效率直接起飞 。
Skill 介绍：
背景：专门解决开发中那些“又臭又长”的数据预处理工作。
场景：
-
从旧系统导出的 CSV/Excel 数据清洗。
-
爬虫抓取的杂乱文本标准化。
-
用户导入数据的格式校验与修正。
具体使用方法：
不用写复杂的 Prompt 了，直接在对话框里这么玩：
-
唤起：输入
@data-cleaner-pro(或者在技能列表选)。 -
指令：直接丢给它一段数据或文件，然后说：“帮我把这些手机号统一成 11 位数字，日期转成 YYYY-MM-DD。”
-
执行：它会直接调用背后的 Python 脚本，返回清洗后的 JSON 或代码块。
Skill 编写思路或技巧：
写这个 Skill 的时候，我踩过几个坑，分享给大家，希望能帮到想自己写 Skill 的朋友：
-
别贪大求全：一开始我想让它既能洗数据又能画图，结果逻辑巨复杂，AI 经常调用失败。后来我把它拆解了，这个 Skill 只专注做“清洗”，画图交给另一个 Skill。单一职责原则在 Skill 编写里同样适用！
-
参数要“宽容”：用户在描述需求时往往不严谨。我在
skill.json里把参数定义得模糊了一点（比如用text_data而不是严格的csv_string），然后在main.py里做了大量的预判断和容错处理。让 Skill 去适应用户，别让用户来适应 Skill。 -
注释即文档：在
main.py里，我尽量把每一步正则匹配的逻辑都写了中文注释。这样下次我自己维护，或者 Trae 在生成解释时，都能更准确。
效果展示：
以前处理一个 5000 行的脏数据表，我得跟 AI 来回拉扯十几轮，还要手动修修补补，耗时 20 分钟+。
现在？30 秒。直接输出干净的可导入数据。真香！
标准化打包
为了方便大家直接导入复用，我按官方建议的目录结构打了个包。你只需要解压放到你的 Skills 目录，重启一下 Trae 就能用了。
data-cleaner-pro/
├── skill.json # 定义了什么情况下触发，参数有哪些
├── main.py # 核心正则和清洗逻辑（基于 pandas 和 re）
└── README.md # 简单的使用说明和示例
https://gitcode.com/yzjjlwhy/data-cleaner-pro
这个 Skill 目前只覆盖了我常用的几种清洗场景（手机号、身份证、日期、去重）。如果你有更变态的清洗需求，欢迎在评论区留言！
Trae 的魅力就在于此吧， 希望大家都能建立起自己的技能军火库！
有问题随时滴滴我~
老哥厉害