Roboflow 数据管理技能用于在 Roboflow 平台上完成计算机视觉数据集的全流程管理，包括上传图像、标注、组织数据集，以及创建检测、分割、关键点、分类等类型的项目。该技能由 roboflow/computer-vision-skills 编写并随 Roboflow 插件发布；若客户端已加载插件，应优先使用本地 roboflow:<name> 技能，MCP 资源 roboflow://skills/<name>/... 仅作为无插件客户端的回退方案。
项目类型 项目类型在创建时设定，之后无法更改。支持的类型包括：目标检测（边界框，多边形/掩码自动转换）、实例分割（多边形、掩码）、语义分割（多边形、掩码）、关键点检测（骨架关键点）、单标签分类（图像级标签，每图一类）、多标签分类（图像级标签，每图多类）。
上传数据 上传方式包括：Web UI 拖拽（适合少于 1000 张图像，支持 JPG、PNG、WEBP、AVIF、BMP、MOV、MP4、PDF 及 40 多种标注格式）、CLI（roboflow import，适合超过 1000 张图像，仅图像）、MCP zip 上传（image_upload，适合智能体上传本地文件，每个 zip 最大 2 GB / 10000 个文件，可含标注文件）、云存储桶镜像（适合已在 S3/GCS 中的大量或持续增长数据）、数据集上传工作流块（从生产工作流收集）、Universe fork（从公开数据集开始）。限制：单张图像最大 20 MB，最大 16400 x 10900 像素，重复图像自动跳过。
视频上传会按可配置速率拆分为帧（1 帧/60 秒至 60 fps），支持格式取决于浏览器（MP4 H.264 兼容性最好）。
CLI 上传命令：pip install roboflow；roboflow import -w <workspace> -p <project-id> /path/to/dataset。
MCP zip 上传：image_upload 返回签名 URL，客户端将本地文件打包为 zip 并 PUT 到该 URL，然后轮询 image_upload_status 直到完成或失败。zip 中可包含与图像同目录的标注文件，解析方式与 Web 上传器一致（COCO JSON、YOLO TXT、Pascal VOC XML、CreateML JSON、CSV 等），标注按文件名与图像匹配。分类项目中，图像所在父文件夹名即为其类别。路径中任意位置的 train/、valid/、test/（或 training/、validation/、val/、testing/）文件夹会设定其划分，其他图像使用 split 参数。带标注的图像直接进入数据集，除非工作区开启了标注审核；无标注图像进入批次（batch_name，默认 "Uploaded via API"），可用 annotations_save 并设 add_to_dataset=true 进行标注。重复图像不会再次存储，但其标注会被保存；若已有标注则保留原标注并在 annotationErrors 中列出，可通过 annotation_overwrite=true 替换，分类标签始终替换。失败的块可安全重试。
标签 标签是图像上的自由形式标记，用于组织和筛选。可在上传时添加、对已有图像批量应用、在项目设置中批量重命名/删除、用 tag:<name> 搜索筛选，或在版本生成时通过 "Filter by Tag" 预处理步骤使用。
数据集搜索（RoboQL） 可通过图像页搜索栏或 MCP images_workspace_search 工具搜索（加 project:<slug> 限定单个项目），支持布尔逻辑组合。过滤器包括：自由文本（基于 CLIP 的语义搜索）、like-image:<ID>（视觉相似）、filename:、tag:、split:、job:、class:、metadata:、project:、dataset:、sort:、min-width:/max-width:、min-height:/max-height:、min-annotations:/max-annotations:。支持 AND、OR、NOT、括号，以及 - 取反和数值比较运算符（>、<、>=、<=、=）。注意：MCP images_search 工具不解析 RoboQL，其 query 为语义文本仅用于排序而非过滤，仅通过自身参数（tag、class、Dataset、batch、annotation job）过滤；需要 split 等 RoboQL 过滤时应使用 images_workspace_search。
划分（Train / Valid / Test） 图像被分配到 train、valid 或 test 划分，划分在版本生成时重新平衡（版本创建第 2 步），增强仅应用于 train 划分。
数据集版本 版本是数据集在某一时间点的冻结快照，创建版本后对项目的更改不影响已有版本。版本创建流程：源选择、Train/Test 划分重平衡、预处理（应用于所有划分）、增强（仅应用于 train 划分）、生成不可变版本。
预处理选项包括：Auto-Orient（去除 EXIF、归一化方向）、Resize（拉伸/适应/黑边适应/白边适应）、Grayscale、Auto-Adjust Contrast（对比度拉伸/直方图均衡/自适应 CLAHE）、Isolate Objects（将每个 bbox 裁剪为单独图像，将目标检测转为分类）、Static Crop、Tile（拆分为 NxN 网格，默认 2x2）、Dynamic Crop、Modify Classes（仅对该版本重映射/省略类别）、Filter Null、Filter by Tag、Random Sample。
增强选项仅应用于 train 图像，可配置最大版本大小（如 3x = 源 + 2 份增强副本）。基础增强（图像级和 BBox 级）：Flip、90 度旋转、Crop、Rotation、Shear、Grayscale、Hue、Saturation、Brightness、Exposure、Blur、Noise、Camera Gain、Motion Blur。增强（付费）：Cutout、Mosaic。
数据集分析 位于项目侧边栏 "Analytics"，显示图像数、标注数、平均图像尺寸、中位宽高比、缺失和空标注数、各类别在 train/valid/test 的分布、图像尺寸洞察、标注热力图（可拖拽按区域筛选图像）、目标数量直方图（点击柱状查看匹配图像）。
类别 在项目设置 -> Classes 管理，可重命名、合并、删除、锁定（"Lock Annotation Classes" 阻止新建类别）。警告：项目级类别更改影响所有图像且不可逆，非破坏性更改应使用版本级 "Modify Classes" 预处理。
标注组 标注组是涵盖项目中所有类别的分类。共享同一标注组的项目共享类别列表和标注。创建项目时可启用 "Share image annotations with other projects"。共享标注：在一个项目中编辑会影响所有关联项目。跨项目共享的图像仅计一次用量。重用组名会共享标注，即使项目在回收站中。除非用户希望共享标注，否则在 projects_create 前应检查 projects_list 和 trash_list 中的标注值，选择未被其他项目使用的名称。
项目文件夹 文件夹用于组织项目，SSO 工作区可限制文件夹访问权限。可创建、移动项目、删除文件夹（项目移至工作区根目录而非删除）。
导出格式 版本可导出为 .zip 下载或 curl 命令，支持 40 多种格式（COCO、YOLO、Pascal VOC、TFRecord 等）。Python SDK 导出示例：project.version(1).download("yolov8")。
MCP 应用与普通工具 当参数不明确、需要真实 UX 或需人工确认表单字段时，使用预制 MCP 应用（create_project_app）；普通聊天/MCP 调用不应仅凭猜测确定项目类型和许可证。
可用 MCP 工具 projects_create（创建项目）、projects_list / projects_get（列出或获取项目详情）、images_search（单项目内语义搜索）、images_workspace_search（跨工作区 RoboQL 搜索）、image_upload / image_upload_status（准备 zip 上传并轮询状态）、versions_generate（生成数据集版本）、versions_get（查看版本）、versions_export（导出指定格式版本）。
相关页面 roboflow://skills/roboflow-data-management/labeling（标注工具、AI 标注、Label Assist、Smart Polygon、Auto Label、标注任务）；roboflow://skills/roboflow-cloud-storage/SKILL（将 S3/GCS 桶镜像到工作区）。