---

📘 概述 CodeLengthSampleFilter

CodeLengthSampleFilter 是一个基于代码长度特征进行过滤的算子。它利用 CodeLengthSampleEvaluator 的评分机制，用于移除文件过大或格式不佳的代码样本。

__init__函数

def __init__(self, min_score: float = 1.0, max_score: float = 1.0):

init参数说明

参数名	类型	默认值	说明
min_score	float	1.0	最小长度得分阈值，低于该分数的样本将被过滤。
max_score	float	1.0	最大长度得分阈值，高于该分数的样本将被过滤。

Prompt模板说明

Prompt 模板名称	主要用途	适用场景	特点说明

run函数

def run(self, storage: DataFlowStorage, input_key: str, output_key: str = 'length_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，该列需要包含代码的'lines'和'language'信息。
output_key	str	"length_filter_label"	输出标签列名，用于存储长度过滤的结果（1表示通过，0表示过滤）。

🧠 示例用法

🧾 默认输出格式（Output Format）

该算子会向输入的 DataFrame 中添加一个新列，并过滤掉不符合长度分数的行。

字段	类型	说明
...	...	输入的原始字段。
length_filter_label	int	算子添加的过滤标签列，值为1表示该行数据通过了长度校验。