查找候选数据集
按主题、格式、大小与许可类型搜索数据集。
/oo Kaggle: 查找有关[主题]、小于[最大大小]、许可类型为[许可类型]的 Kaggle CSV 数据集,比较可用资料,并附上可核查的资源标识。
将提示词复制到已安装 oo Skill 的 Agent,补充页面链接和原始笔记后执行。
按主题、格式、大小与许可类型搜索数据集。
/oo Kaggle: 查找有关[主题]、小于[最大大小]、许可类型为[许可类型]的 Kaggle CSV 数据集,比较可用资料,并附上可核查的资源标识。
搜索与指定数据集相关的笔记本记录。
/oo Kaggle: 查找使用 Kaggle 数据集[所有者/数据集名称]的 Python 笔记本,整理各候选可用资料,不将其视为已读取源码。
在 Agent 中配置 oo CLI 和 oo Skill。
安装 OOMOL →连接 Kaggle 旧版 API Key 及用户名。
连接 Kaggle →使用 /oo,说明要读取的页面、修改的内容和保存位置。
连接指南 →选择你的 Agent
这个连接通过搜索与资源筛选,列出 Kaggle 竞赛、数据集、笔记本或脚本,以及模型。
筛选数据集列表及相关笔记本或脚本记录。
按主题或所有者搜索竞赛与模型。
列出 Kaggle 竞赛,支持可选的组、类别、搜索和分页筛选。
kaggle.list_competitions 列出 Kaggle 数据集,支持可选的搜索、所有权、类型、许可证、标签和大小筛选。
kaggle.list_datasets 列出 Kaggle 笔记本和脚本,支持可选的搜索、来源、语言、类型和分页筛选。
kaggle.list_kernels 列出 Kaggle 模型,支持可选的拥有者、搜索、排序和分页筛选。
kaggle.list_models 没有匹配的工具。
使用旧版 Kaggle API Key 及对应用户名;只有密钥不够。
数据集列表支持文件格式与许可类型筛选,也支持搜索、大小、标签与所有者筛选。
这些操作查找资源记录,不读取数据集文件或行;分析行数据前需另行取得数据。
管理 OOMOL 可以使用哪些可选存储。你随时可以在页脚重新修改这些选择。