---
name: python-runner
description: Any task that requires Python processing should use this skill.
---

# UV Python Runner Skill

指导大模型使用uv运行Python脚本，无需预安装依赖，保持环境整洁。

## Purpose

**必需依赖**: 此skill必需uv工具，不兼容其他Python运行方式。

利用uv隔离环境特性：
- 自动管理虚拟环境和依赖
- 避免系统Python污染
- 支持用户现有脚本（无需修改）
- 自动解析依赖并使用`--with`传递
- 智能检测uv项目，复用项目环境
- 跨平台兼容（Windows/macOS/Linux）

**重要**: 如果uv未安装，立即停止任务并引导用户安装。不要使用python、pip、poetry、venv等替代工具。

## When to Use

任何Python处理任务都应使用此skill。

### 典型场景
- **数据处理**: pandas, numpy, scipy / CSV/JSON/YAML转换 / 统计分析
- **API交互**: HTTP请求（requests, httpx） / API数据检索
- **文件操作**: 重命名、批量处理 / pathlib, shutil操作
- **科学计算**: numpy, scipy / matplotlib, plotly可视化
- **系统工具**: logging / configparser / tqdm, rich进度跟踪

### 不适用场景
- ✗ 需要用户交互（input()）
- ✗ 需要持久化环境（每次都是新环境）
- ✗ 需要命令行参数
- ✗ 需要从stdin读取

## Automatic Dependency Parsing

分析import语句，提取外部包名，排除标准库。

### 标准库（排除）
**核心**: os, sys, pathlib, shutil, json, csv, re, datetime, math
**网络**: http.client, urllib, socket, io, logging
**高级**: itertools, functools, typing, dataclasses, enum

### 解析规则
1. 提取：`import pandas` → `pandas`, `from numpy import array` → `numpy`
2. 排除标准库
3. 去重

### 示例
```python
import pandas as pd
import numpy as np
import json  # 标准库，排除
from pathlib import Path  # 标准库，排除

# 结果: [pandas, numpy]
```

## Smart Project Detection

### 检测命令
```bash
uv sync --dry-run
```

### 判断逻辑
- Exit code 0 → uv项目
- 非零退出码 → 非uv项目
- 失败 → 回退到非uv项目模式（使用`--with`），不阻塞执行

## Path Handling

### 三层逻辑
1. **用户指定存储路径** → 写入指定路径
2. **用户指定现有脚本** → 直接执行
3. **未指定** → 临时文件

```bash
# 临时文件获取
temp_file_path=$(uv run ./scripts/get_temp_path.py)
```

## Execution Commands

| 场景 | 命令 |
|------|------|
| uv项目 | `uv run <script_path>` |
| 非uv+有依赖 | `uv run --with pkg1 --with pkg2 <script_path>` |
| 非uv+无依赖 | `uv run <script_path>` |

**特点**:
- uv项目：使用项目环境，无`--with`
- 非uv有依赖：每个`--with`创建隔离环境
- 非uv无依赖：使用标准Python环境

## Workflow

**步骤1**: 解析依赖（见"Automatic Dependency Parsing"）

**步骤2**: 检测项目（见"Smart Project Detection"）

**步骤3**: 确定路径（见"Path Handling"）

**步骤4**: 构造并执行命令（见"Execution Commands"）

执行命令并捕获输出。

## Error Handling

### uv未安装

**检测**: `uv`命令失败

**错误消息**:
```
uv not found

此skill依赖uv工具运行Python脚本。

请安装uv: https://docs.astral.sh/uv/getting-started/installation/

安装命令示例：
  curl -LsSf https://astral.sh/uv/install.sh | sh    # Linux/macOS
  powershell -c "irm https://astral.sh/uv/install.ps1 | iex"  # Windows
```

**重要提示**:
- **立即停止任务**，等待用户安装uv后再继续
- **不要尝试使用**：python, pip, poetry, venv, virtualenv等
- **不要自动安装**uv
- 用户安装uv完成后，可以重新执行任务

**操作**: 立即停止所有执行，等待用户安装uv

### 其他错误

| 场景 | 错误消息 | 操作 |
|------|---------|------|
| 项目检测失败 | 回退到非uv模式，使用`--with` | 警告后继续 |
| 依赖解析不准确 | 依赖可能不完整<br>Traceback: [traceback] | 停止，保留脚本调试 |
| 语法错误 | Python语法错误: [描述]<br>文件: <path><br>行号: <line> | 停止 |
| 路径权限问题 | 无法写入: <path><br>建议: 使用临时文件模式 | 回退到临时文件 |

## Examples

### 示例1: 数据分析
```python
import pandas as pd
import numpy as np

df = pd.read_csv('data.csv')
print(f"形状: {df.shape}")
print(df.describe())
```
**执行**: `uv run --with pandas --with numpy /tmp/script_xxx.py`

### 示例2: API交互
```python
import requests

resp = requests.get('https://api.github.com/repos/python/cpython')
data = resp.json()
print(f"仓库: {data['full_name']}, Stars: {data['stargazers_count']}")
```
**执行**: `uv run --with requests /tmp/script_xxx.py`

### 示例3: 文件操作
```python
import os
import glob

for i, file in enumerate(glob.glob('*.txt')):
    os.rename(file, f"file_{i:03d}.txt")
```
**执行**: `uv run /tmp/script_xxx.py`（无依赖）

### 示例4: uv项目内执行
```python
import pandas as pd
from my_project import helper

df = pd.read_csv('data.csv')
result = helper.process(df)
print(result)
```
**执行**: `uv run scripts/data_process.py`（使用项目环境）

### 示例5: 用户指定路径
```python
import requests

resp = requests.get('https://api.example.com/data')
print(f"处理完成: {len(resp.json())} 条")
```
**执行**: `uv run --with requests scripts/api_analyzer.py`（写入指定路径）

## Notes

### 为什么使用uv？
| 特性 | 优势 |
|------|------|
| 环境隔离 | 不污染系统Python |
| 自动依赖 | `--with`语法，无需pip install |
| 快速启动 | 比venv快10-100倍 |
| 项目集成 | 自动检测uv项目 |
| 零配置 | 开箱即用，无需PEP 723 |

### 最佳实践
1. **依赖解析**: 排除标准库；失败时检查遗漏依赖；复杂项目用uv项目模式
2. **路径**: 用户指定优先；临时文件用于自主生成；跨平台由辅助脚本保证
3. **错误**: 预期错误脚本内处理；意外错误立即停止；检测失败自动回退
4. **清理**: 临时文件使用系统目录，自动清理，失败时手动删除

### 限制
- ✗ 不支持命令行参数、stdin输入、持久化环境
- ✗ 使用uv默认Python版本（项目可在pyproject.toml指定）
- ✗ 依赖解析可能不完整（动态导入、条件导入可能遗漏）
- ✗ 项目检测可能误判（网络问题导致回退）

### uv工具要求

- **uv是此skill的必需依赖，不可替代**
- **不支持**: python, pip, poetry, venv, virtualenv
- 如果检测到uv未安装，必须停止任务并引导用户安装
- 不要尝试使用替代方案或自动安装uv

## Workflow Summary

**完整流程**:
1. 解析import语句，提取外部包名（排除标准库）
2. 执行`uv sync --dry-run`检测项目
3. 确定脚本路径（用户指定/现有脚本/临时文件）
4. 构造执行命令（根据项目类型和依赖）
5. 执行并捕获输出

**关键特点**:
- 自动依赖解析：分析import自动提取
- 智能项目检测：自动识别uv项目
- 灵活路径：支持指定/现有/临时三种模式
- 跨平台：自动适配Windows/macOS/Linux
- 环境隔离：独立虚拟环境