用途
该技能用于创建 FiftyOne 工作流的 Jupyter Notebook，包括入门指南、教程、快速配方（recipe）以及完整的机器学习流水线。当用户需要生成 Notebook 时使用。
主要能力
- 先对用户请求分类：入门（getting started）、教程（tutorial）、配方（recipe）、完整流水线（full pipeline），并对应不同模板文档（GETTING-STARTED-TEMPLATES.md、TUTORIAL-TEMPLATES.md、RECIPE-TEMPLATES.md）。若类型不明确则询问用户。
- 生成前先起草 Notebook 大纲（章节标题、单元格类型、每格简述），获得用户批准后再生成。
- 遵循 FiftyOne 代码约定，使用标准导入别名：import fiftyone as fo、import fiftyone.zoo as foz、import fiftyone.brain as fob、import fiftyone.types as fot、from fiftyone import ViewField as F。
- 要求每个 Notebook 至少包含一个 fo.launch_app(dataset) 可视化单元格。
- 用户无数据时默认使用 foz.load_zoo_dataset() 加载 zoo 数据集。
- 生成代码前获取 https://docs.voxel51.com/llms.txt 以使用最新 API，避免过时用法。
- 生成后读回 Notebook 校验单元格顺序、markdown/code 交替、导入别名与叙事逻辑。
- 可用 papermill 在隔离虚拟环境中端到端执行 Notebook 并修复运行时错误。
使用方式
工作流分为四个阶段：
- 需求阶段：分类 Notebook 类型，确定领域与任务（目标检测、图像分类、实例/语义分割、嵌入与相似度、数据整理等），确定数据来源（zoo 数据集、本地数据、Hugging Face Hub、quickstart），确定流水线阶段（数据加载、探索、Brain 方法、推理、评估、导出），并与用户确认摘要。
- 设计阶段：阅读对应模板文档作为结构指南，获取 API 文档，起草带编号的单元格大纲并等待用户批准。
- 生成阶段：先用 Write 工具创建合法的空 .ipynb 文件（含 nbformat 4、cells 空数组），再用 NotebookEdit 以 edit_mode: "insert" 逐格插入。首格不带 cell_id（插入到开头），读回 Notebook 获取其 cell_id，后续每格以上一格的 cell_id 链式插入，确保顺序正确。代码单元格建议不超过 15 行，一格一个概念，多用 print() 展示输出。
- 验证阶段：读回整个 .ipynb 校验单元格数量、顺序与代码质量；用隔离虚拟环境配合 papermill 执行，修复错误后清理环境；最后向用户汇报路径、单元格数量、覆盖章节、执行状态与运行方式。
适用场景
- 入门指南：如“创建目标检测入门 Notebook”，典型约 21 格，覆盖安装、导入、加载数据集、App 探索、统计、推理、评估、错误分析、导出与清理。
- 教程：如“编写查找标注错误的教程”，典型约 29 格，覆盖问题陈述、概念解释、计算嵌入与 mistakenness、探索、hardness 对比、筛选与导出。
- 配方：如“导出数据集到 COCO 格式的快速配方”，典型约 7 格，允许连续代码单元格以保持简洁。
- 完整 ML 流水线：典型约 31 格，覆盖加载、探索、去重、推理、评估、可视化、导出与总结。
限制
- 资料未提供该技能的收费、价格、平台支持范围等信息。
- 生成代码需依赖 FiftyOne 及其相关包，具体依赖以 Notebook 安装单元格为准。
- 执行验证需创建隔离虚拟环境并安装 papermill、ipykernel、anywidget 等。
- 常见问题包括：不带 cell_id 插入导致单元格顺序颠倒；Write 未生成合法 JSON 导致空 Notebook；使用过时 API（如 dataset.count("field") 应改为 dataset.count_values("field")）；session.view 需要 DatasetView 而非 Dataset；无头环境中 Plotly 组件需要 anywidget。