PeytonT/74k_repo_skills

---
pretty_name: Repository Skill Miner (72k public-safe)
viewer: true
tags:
- datasets
- text
- code
- software-engineering
size_categories:
- 10K<n<100K
---

# Generated with Repository Skill Miner:

https://github.com/peytontolbert/repository-skill-miner

## Splits

- `train`: `74472` skill rows
- `repos`: `121` repo summary rows
- `annotations`: `29645` annotation rows
- `signals`: `2` revision signal rows

## Hugging Face configs

This dataset is pushed as multiple Hub configs:

- `default`: the main skill table
- `repos`: repo-level summary rows
- `annotations`: structured LLM annotation rows
- `signals`: revision-level signal rows

## Safety Mode

- `public_safe`: `true`
- Raw `snippet` and `doc_text` fields are excluded.

## Primary Columns

### train

- `repo_id`
- `miner_revision_id`
- `skill_id`
- `kind`
- `module`
- `qualname`
- `signature`
- `file_path`
- `line_start`
- `line_end`
- `annotation_summary`

### repos

- `repo_id`
- `miner_repo_name`
- `skill_count`
- `annotation_count`
- `signal_count`
- `annotation_models`

## Notes

- Default export strips raw code/doc text to reduce licensing risk for public release.
- If you need the exact code/doc strings for private workflows, rerun with `--include-code-text`.

pretty_name: 仓库技能挖掘器（72k 公共安全版）
viewer: 支持数据集查看器
tags:
- 数据集
- 文本
- 代码
- 软件工程
size_categories:
- 1万 < n < 10万
---

# 本数据集由仓库技能挖掘器（Repository Skill Miner）生成：
其官方仓库地址为：https://github.com/peytontolbert/repository-skill-miner

## 数据分割
- `train`：包含74472条技能条目
- `repos`：包含121条仓库摘要条目
- `annotations`：包含29645条标注条目
- `signals`：包含2条版本信号条目

## Hugging Face 数据集配置
本数据集以多个Hub配置形式上传至Hugging Face平台：
- `default`：主技能数据表
- `repos`：仓库级摘要条目配置
- `annotations`：结构化大语言模型（LLM）标注条目配置
- `signals`：版本级信号条目配置

## 安全模式设置
- `public_safe`：`true`，即已启用公共安全模式
- 原始的`snippet`与`doc_text`字段已被移除。

## 主要字段说明
### train 分割集
- `repo_id`：仓库标识符
- `miner_revision_id`：挖掘器版本标识符
- `skill_id`：技能标识符
- `kind`：技能类型
- `module`：所属模块
- `qualname`：限定名称
- `signature`：函数/方法签名
- `file_path`：文件路径
- `line_start`：起始行号
- `line_end`：结束行号
- `annotation_summary`：标注摘要

### repos 分割集
- `repo_id`：仓库标识符
- `miner_repo_name`：挖掘器获取的仓库名称
- `skill_count`：技能条目总数
- `annotation_count`：标注条目总数
- `signal_count`：信号条目总数
- `annotation_models`：标注所用模型列表

## 注意事项
- 默认导出版本已移除原始代码与文档文本，以降低公开发布的版权风险。
- 若需在私有工作流中使用完整的代码与文档字符串，请添加`--include-code-text`参数重新运行挖掘流程。