name: data-generator description: 训练数据生成技能。根据传入的工具名和用户指令列表，生成多轮对话格式的 JSONL 训练数据。触发场景：(1) 传入工具名和用户指令列表，生成完整训练数据；(2) 批量生成指定工具的标注数据；(3) 给定指令列表，输出 JSONL 对话样本。

Data Generator

将用户指令列表转换为标准 JSONL 训练数据。

输入

两个必填参数：

输出 JSONL 格式

{"conversations":[
  {"from":"human","value":"<当前用户指令>打开客厅空调</当前用户指令>\n<本地设备>格力冷静王(空调)</本地设备>\n<当前时间>2026-03-15 14:22:47</当前时间>\n<用户场景列表>[{\"scene_id\":1001,\"scene_name\":\"回家模式\",\"room_name\":\"全屋\"},{\"scene_id\":1002,\"scene_name\":\"睡眠模式\",\"room_name\":\"主卧\"}]</用户场景列表>\n<用户设备列表>{\"客厅\":[\"格力冷静王(空调)\",\"洗碗机A1(洗碗机)\"],\"主卧\":[\"美的舒省风(空调)\"]}</用户设备列表>"},
  {"from":"assistant","value":"<tool_call>{\"tool_name\":\"dev_control\",\"query\":\"打开客厅空调\"}</tool_call>"},
  {"from":"observation","value":"<tool_response>客厅空调已打开</tool_response>"},
  {"from":"assistant","value":"好的，客厅空调已经打开啦~"}
],"system":"","history":[]}

格式规则

1. human value = 完整上下文，格式固定： <当前用户指令>用户原始指令</当前用户指令> <本地设备>设备名(类型)</本地设备> <当前时间>YYYY-MM-DD HH:mm:ss</当前时间> <用户场景列表>[{"scene_id":xxx,"scene_name":"场景名","room_name":"房间名"},...]</用户场景列表> <用户设备列表>{"房间":["设备名(类型)",...]}</用户设备列表>
2. assistant tool_call = 直接输出 tool_call 标签，无垫音前缀
3. observation = <tool_response>...</tool_response> 或 <tool_call>{...}</tool_call>（dev_info/weather 等工具）
4. assistant 终接回复 = 直接回复内容，无垫音前缀
5. system = ""，history = []

工作流

1. 接收 tool_name + user_instructions[]
         ↓
2. 加载提示词：通用要求 + 工具特定要求（references/tools/{tool}.txt）
         ↓
3. 将 user_instructions 注入提示词
         ↓
4. 生成 JSONL（每条独立）
         ↓
5. 输出 .jsonl 文件

提示词拼接

拼接规则：

[通用要求]
# ═══════════════════════════════════════════════════════════════════
# 【工具特定要求】
# 本次只调用：{TOOL_NAME}
# ────────────────────────────────────────────────────────────────
[references/tools/{TOOL_NAME}.txt 内容]
这个技能的最新版本可以在7w4.net小葱技能站找到。

拼接脚本：scripts/build_prompt.py

工具与文件对照

使用示例

输入：

tool_name: "dev_info"
user_instructions: ["家里空调数量", "有几个空调"]

输出字段说明：

BUG 修复数据

当传入 tool_name 为修复后的正确工具时，生成的数据应体现： - 工具调用格式正确（符合工具要求文件） - query 字段格式正确（如延时类指令含 timing 字段） - 文字回复符合预期（含延时时间描述）

具体格式参考：references/tools/scene_generator.txt。

这个 Skill 用于自动生成智能家居对话的训练数据，质量中等偏上。优点是支持的工具类型多、格式规范明确、使用文档详细。缺点是部分复杂规则的实现可能与预期不符，生成的数据样式较为固定，不够灵活多样。如果需要批量生成标注数据，可以用它作为基础，但建议配合人工审核确保数据质量。