CLI-Datenvorbereitung

Das Tool wandelt Rohproben und ein definiertes Schema in einen JSONL-Datensatz um, der für OpenAI-CLI-Workflows bereit ist. Es erzwingt Felderregeln, behandelt fehlende Werte und liefert deterministische Ausgaben durch Seeded-Random-Sampling. Der Ansatz betont Datenqualität, Nachvollziehbarkeit und Reproduzierbarkeit.\n\nKonzeptionell trennt das Tool Struktur (Schema) von Inhalt (Proben) und wendet Serialisierung, Token-Schätzung und Validierung in einer Pipeline an. Es kennzeichnet Anomalien, erstellt Metadaten pro Datensatz und ermöglicht Export des Datensatzes sowie eines Begleit-Manifests, das Token-Budgets, Feldzuordnungen und Stichprobengrößen beschreibt.\n\nEmpfänger sind Data Engineers, die Trainings- oder Evaluationsdaten vorbereiten, Prompt-Ingenieure, die Anweisungen verfeinern, Forscher, die QA-Datensätze testen, und ML-Teams, die sich mit CLI-Workflows integrieren. Der einzigartige Wert ergibt sich aus integrierter Validierung, Dublettenentfernung, Token-Budgetierung und deterministischen Exporten, die sich an OpenAI-CLI-Erwartungen orientieren.\n\nAnwendungsfälle umfassen das Erstellen von Few-Shot-Prompts, das Ausbalancieren positiver/negativer Beispiele und den Export in JSONL zur Einspeisung in OpenAI-Tools. Das Tool ist sprachunabhängig und geeignet für Teams, die wiederholbare Datenpipelines benötigen.