CLI Preparación de Datos

La herramienta convierte muestras en bruto y un esquema definido en un conjunto de datos JSONL listo para flujos de trabajo CLI de OpenAI. Aplica reglas a nivel de campo, maneja valores ausentes y ofrece salida determinista al muestrear de forma seed. El enfoque enfatiza la calidad de los datos, trazabilidad y reproducibilidad.\n\nConceptualmente, la herramienta separa la estructura (esquema) del contenido (muestras), y luego aplica serialización, estimación de tokens y validación en una canalización. Identifica anomalías, genera metadatos por registro y permite exportar tanto el conjunto de datos como un manifiesto companion describiendo presupuestos de tokens, asignaciones de campos y conteos de muestras.\n\nLos beneficiarios incluyen ingenieros de datos que preparan datos de entrenamiento o evaluación, ingenieros de prompts que refinan instrucciones, investigadores que prueban conjuntos QA y equipos de ML que se integran con flujos CLI. El valor único proviene de la validación integrada, deduplicación, presupuesto de tokens y exportaciones deterministas que se alinean con las expectativas de OpenAI CLI.\n\nCasos de uso incluyen componer prompts de Few-Shot, equilibrar ejemplos positivos/negativos y exportar en JSONL para su ingestión por herramientas OpenAI. La herramienta es independiente del idioma y adecuada para equipos que necesitan pipelines de datos reproducibles.