📘 概述 [CodeAutoGeneratedFilter]

CodeAutoGeneratedFilter 是一个代码过滤算子，它利用 CodeAutoGeneratedSampleEvaluator 的评分机制，来筛选掉自动生成的代码文件，从而确保数据集中只保留人工编写的代码。

__init__函数

def __init__(self, min_score: float = 1.0, max_score: float = 1.0, is_generated_func: Optional[Callable[[], bool]] = None)

init参数说明

参数名	类型	默认值	说明
min_score	float	1.0	最小自动生成得分阈值。
max_score	float	1.0	最大自动生成得分阈值。
is_generated_func	Callable	None	可选的外部检测函数，用于额外的验证。

Prompt模板说明

run函数

def run(self, storage: DataFlowStorage, input_key: str, output_key: str = "auto_generated_filter_label")

参数

名称	类型	默认值	说明
storage	DataFlowStorage	必需	数据流存储实例，负责读取与写入数据。
input_key	str	必需	输入列名，该列应包含代码内容。
output_key	str	"auto_generated_filter_label"	输出标签的列名。

🧠 示例用法

🧾 默认输出格式（Output Format）

该算子会处理存储中的 DataFrame，并将其过滤后写回。输出的 DataFrame 将只包含自动生成得分在 min_score 和 max_score 范围内的行。同时，DataFrame 中会增加一个新的列（列名由 output_key 指定），其值为 1 表示该行数据通过了过滤。