python-executor

Python Executor 是一个在安全沙箱环境中执行 Python 代码的工具技能，通过 inference.sh 平台运行，需配合 belt CLI 使用。

用途

Python Executor 用于在隔离的沙箱环境中运行 Python 代码，适合需要执行脚本但又希望避免本地环境依赖或安全风险的任务，例如数据处理、文件生成、网络请求和自动化脚本等。

主要能力

该工具提供 Python 3.10 运行环境，仅使用 CPU。默认配置为 8GB 内存，另提供 @high_memory 变体，内存提升至 16GB，适用于大型数据集。执行超时时间可设置为 1 至 300 秒，默认 30 秒。

环境预装了 100 多个库，按用途分为：

网页抓取与 HTTP：requests、httpx、aiohttp（HTTP 客户端），beautifulsoup4、lxml（HTML/XML 解析），selenium、playwright（浏览器自动化），scrapy（爬虫框架）
数据处理：numpy、pandas、scipy（数值计算），matplotlib、seaborn、plotly（可视化）
图像处理：pillow、opencv-python-headless（图像操作），scikit-image、imageio（图像算法）
视频与音频：moviepy（视频编辑），av (PyAV)、ffmpeg-python（视频处理），pydub（音频处理）
3D 处理：trimesh、open3d（3D 网格处理），numpy-stl、meshio、pyvista（3D 文件格式）
文档与图形：svgwrite、cairosvg（SVG 创建），reportlab、pypdf2（PDF 生成）

使用方式

首先安装 belt CLI 技能：

npx skills add belt-sh/cli

然后登录：

belt login

通过命令行提交代码，输入为 JSON 格式。输入字段包括 code（要执行的代码）、timeout（超时秒数）、capture_output（是否捕获输出）和 working_dir（工作目录，默认为 null）。基础命令格式如下：

belt app run infsh/python-executor --input '{
"code": "import pandas as pd\nprint(pd.__version__)"
}'

示例：

网页抓取：

belt app run infsh/python-executor --input '{
  "code": "import requests\nfrom bs4 import BeautifulSoup\n\nresponse = requests.get(\"https://example.com\")\nsoup = BeautifulSoup(response.content, \"html.parser\")\nprint(soup.find(\"title\").text)"
}'

数据分析与可视化：

belt app run infsh/python-executor --input '{
  "code": "import pandas as pd\nimport matplotlib.pyplot as plt\n\ndata = {\"name\": [\"Alice\", \"Bob\"], \"sales\": [100, 150]}\ndf = pd.DataFrame(data)\n\nplt.bar(df[\"name\"], df[\"sales\"])\nplt.savefig(\"outputs/chart.png\")\nprint(\"Chart saved!\")"
}'

图像处理：

belt app run infsh/python-executor --input '{
  "code": "from PIL import Image\nimport numpy as np\n\n# Create gradient image\narr = np.linspace(0, 255, 256*256, dtype=np.uint8).reshape(256, 256)\nimg = Image.fromarray(arr, mode=\"L\")\nimg.save(\"outputs/gradient.png\")\nprint(\"Image created!\")"
}'

视频创建：

belt app run infsh/python-executor --input '{
  "code": "from moviepy.editor import ColorClip, TextClip, CompositeVideoClip\n\nclip = ColorClip(size=(640, 480), color=(0, 100, 200), duration=3)\ntxt = TextClip(\"Hello!\", fontsize=70, color=\"white\").set_position(\"center\").set_duration(3)\nvideo = CompositeVideoClip([clip, txt])\nvideo.write_videofile(\"outputs/hello.mp4\", fps=24)\nprint(\"Video created!\")",
  "timeout": 120
}'

3D 模型处理：

belt app run infsh/python-executor --input '{
  "code": "import trimesh\n\nsphere = trimesh.creation.icosphere(subdivisions=3, radius=1.0)\nsphere.export(\"outputs/sphere.stl\")\nprint(f\"Created sphere with {len(sphere.vertices)} vertices\")"
}'

API 调用：

belt app run infsh/python-executor --input '{
  "code": "import requests\nimport json\n\nresponse = requests.get(\"https://api.github.com/users/octocat\")\ndata = response.json()\nprint(json.dumps(data, indent=2))"
}'

保存到 outputs/ 目录的文件会被自动检测并返回，例如 plt.savefig('outputs/chart.png')、df.to_csv('outputs/data.csv')、video.write_videofile('outputs/video.mp4')、mesh.export('outputs/model.stl')。

高内存变体使用方式：

belt app run infsh/python-executor@high_memory --input input.json

适用场景

网页抓取：从网站提取数据
数据分析：处理和可视化数据集
图像操作：调整大小、裁剪、合成图像
视频创建：生成带文字叠加的视频
3D 处理：加载、变换、导出 3D 模型
API 集成：调用外部 API
PDF 生成：创建报告和文档
自动化：运行任意 Python 脚本

限制

仅使用 CPU，不提供 GPU/ML 库（如需机器学习相关功能，建议使用专门的 AI 应用）
在隔离子进程中运行，确保安全
非交互式执行，需使用 plt.savefig() 而非 plt.show()
输出文件会被自动检测并返回

技能介绍

用途

主要能力

使用方式

适用场景

限制

相关技能