# dask

Скилл учит агента работать с Dask: датафреймы, массивы и задачи, которые не влезают в память или считаются на кластере.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 2000 установок · ★ 54652
- Автор: K-Dense-AI
- Лицензия: LicenseRef-BSD-3-Clause-license · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/dask/SKILL.md
- Обновлён: 2026-10-19
- HTML: https://affpapa.org/nevibecode/skills/dask

## Что делает

Скилл описывает пять частей Dask и подсказывает агенту, какую брать под задачу. DataFrames тянут pandas-операции на данных больше RAM и читают сразу пачку CSV или Parquet. Arrays дают блочные вычисления поверх NumPy для HDF5, Zarr и NetCDF. Bags разбирают текстовые логи и JSON, Futures строят свои графы задач с зависимостями. Отдельная тема — чанкинг, планировщики и диагностика через distributed.

Внутри — справочники `references/dataframes.md`, `references/arrays.md`, `references/bags.md` и другие, плюс примеры кода. Агенту разрешены Read, Write, Edit и Bash, так что он может и написать скрипт, и запустить его.

Нужен Python 3.10+ и dask 2026.8.0. Для датафреймов — pandas 2+ и PyArrow 16+, для Zarr 3.4 — Python 3.12+. Пути `s3://` и `gs://` работают только с `s3fs` или `gcsfs` и требуют ключей провайдера. С версии 2025.1.0 выражение-ориентированный API датафреймов — единственная реализация, поэтому `dask-expr` отдельно ставить не надо и `dataframe.query-planning: False` выставлять тоже.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill dask -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/dask/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/dask/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill dask -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/dask/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill dask -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/dask/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install K-Dense-AI/scientific-agent-skills dask
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/dask/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill dask -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/K-Dense-AI/scientific-agent-skills --path skills/dask
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/dask/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add K-Dense-AI/scientific-agent-skills --skill dask -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/K-Dense-AI/scientific-agent-skills/tree/HEAD/skills/dask/SKILL.md

## Когда брать
- посчитать датафрейм, который не помещается в оперативную память
- прочитать сотни CSV или Parquet одним датафреймом
- распараллелить NumPy-операции на нескольких ядрах
- разобрать поток JSON-логов без загрузки всего файла
- собрать свой граф задач с зависимостями через Futures

## Примеры запросов агенту
- Прочитай все `data/2024-*.csv` через Dask и посчитай среднее по категориям
- Этот массив не влезает в память — перепиши расчёт на `dask.array` с чанками
- Разбери `logs/*.json` через `dask.bag` и выгрузи результат в Parquet

## Похожие
- [xlsx](https://affpapa.org/nevibecode/skills/xlsx.md) — скилл · 187223 установки
- [google-agents-cli-observability](https://affpapa.org/nevibecode/skills/google-agents-cli-observability.md) — скилл · 511300 установок
- [caveman-evidence-review](https://affpapa.org/nevibecode/skills/caveman-evidence-review.md) — скилл · 104500 установок
- [migration](https://affpapa.org/nevibecode/skills/migration.md) — скилл · 103900 установок
- [performance-optimization](https://affpapa.org/nevibecode/skills/performance-optimization.md) — скилл · 65200 установок
- [supabase](https://affpapa.org/nevibecode/skills/supabase.md) — скилл · 8 установок

Из того же набора: [k-dense-ai/scientific-agent-skills](https://affpapa.org/nevibecode/by/k-dense-ai/scientific-agent-skills.md) — 159 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md