kaggle

核心用法

Kaggle Skill 是一个面向数据科学和机器学习工程的综合集成工具，提供四大核心模块协同工作：

1. Registration（注册模块）：自动化完成 Kaggle 账户设置与 API 凭证配置，支持三种凭证类型（KAGGLE_USERNAME、KAGGLE_KEY、KAGGLE_API_TOKEN）的统一管理和安全存储。

2. Comp-Report（竞赛报告）：通过 Python API 获取竞赛元数据，结合 Playwright 进行 SPA 内容抓取，生成包含问题描述、评估指标、排行榜和解决方案的综合性竞赛 landscape 报告。

3. KLLM（核心交互模块）：提供四种 Kaggle 交互方式——kagglehub（Python SDK 快速下载）、kaggle-cli（完整工作流脚本）、MCP Server（AI Agent 集成）、Kaggle UI（账户管理），覆盖数据集/模型下载、笔记本执行、竞赛提交、资源发布等全场景。

4. Badge-Collector（徽章收集器）：系统化自动化获取约 38 个 Kaggle 徽章，分 5 个阶段执行（Instant API、Competition、Pipeline、Browser、Streaks），支持进度持久化和断点续传。

显著优点

• 全栈覆盖：从账户注册到竞赛夺冠的完整数据科学生命周期支持
• 多模式交互：灵活适配不同技术栈和使用场景（Python/CLI/Browser/Agent）
• 安全优先设计：凭证掩码显示、文件权限 600、资源默认私有、API 速率限制
• 自动化能力：徽章收集和竞赛报告大幅减少重复性手动操作
• 免费算力利用：无缝集成 Kaggle Kernel Backend 的免费 GPU/TPU 资源

潜在缺点与局限性

• 依赖官方生态：kagglehub v0.4.3 存在 dataset_load()() 损坏等已知问题，需使用替代方案
• 竞赛规则限制：Phase 2 竞赛提交需用户先在网页端手动接受竞赛规则，无法完全自动化
• Playwright 可选依赖：Phase 4 浏览器自动化需要额外安装 playwright，增加环境复杂度
• 个人开发者维护：非 Kaggle/Google 官方项目，长期维护稳定性存在不确定性
• 网络环境要求：需稳定访问 Kaggle 官方 API 和 Google Cloud Storage

适合的目标群体

• Kaggle 竞赛参与者：需要系统化追踪竞赛动态、快速提交方案的数据科学家
• ML 工程师：需要批量下载预训练模型、数据集进行迁移学习或基准测试
• 教育机构/学生：利用免费 GPU/TPU 资源进行机器学习课程实践和作业提交
• 自动化爱好者：希望系统化获取 Kaggle 徽章、建立技术影响力档案的开发者
• AI Agent 开发者：需要通过 MCP Server 将 Kaggle 能力集成到自主代理系统中

使用风险

• 凭证泄露风险：虽然已采取掩码和权限控制，但 .env 和 kaggle.json 的本地存储仍需用户严格管理
• 资源创建可见性：虽然默认私有，但误操作可能导致敏感数据集/模型意外公开
• API 限流影响：大规模批量操作可能触发 Kaggle API 速率限制，影响工作流连续性
• 竞赛合规性：自动化提交需确保符合各竞赛的具体规则，避免成绩被取消
• 依赖更新滞后：官方 SDK 更新可能导致 Skill 脚本出现兼容性问题，需关注版本适配

核心功能

Kaggle Skill 是面向数据科学与机器学习竞赛平台 Kaggle 的全功能集成工具，提供四大模块协同工作：

1. 注册管理（Registration）：自动化账户创建与 API 凭证配置，支持 KAGGLE_USERNAME、KAGGLE_KEY、KAGGLE_API_TOKEN 三种凭证类型，自动写入 ~/.kaggle/kaggle.json 并设置 600 权限保护。

2. 竞赛报告（Comp-Report）：通过 Kaggle API + Playwright 浏览器自动化，生成包含竞赛列表、排行榜、数据集、Notebook 及问题陈述的综合报告，支持 30 天回溯与结构化输出。

3. 核心交互（KLLM）：提供四层交互方式：

• kagglehub：Python SDK 快速下载数据集/模型
• kaggle-cli：完整命令行工作流（竞赛提交、Notebook 执行、资源发布）
• MCP Server：AI Agent 集成端点
• Kaggle UI：账户验证与手动操作

4. 徽章收集（Badge-Collector）：系统化自动获取 ~38 个可自动化徽章，分 5 阶段执行（Instant API → Competition → Pipeline → Browser → Streaks），支持干运行与进度追踪。

显著优点

• 生态完整性：覆盖 Kaggle 全生命周期，从账户注册到竞赛夺冠、从数据探索到模型发布
• 多模态交互：Python API、CLI、MCP、浏览器自动化四层能力，适配不同场景
• 安全设计：凭证文件强制 600 权限，环境变量隔离敏感信息，无硬编码密钥
• 开源可信：MIT 许可证，GitHub 活跃维护，代码结构清晰（45 文件/6594 行）

潜在局限

• 凭证依赖重：需配置 3 类 API 凭证，新手配置门槛较高
• Playwright 可选依赖：浏览器徽章功能需额外安装 Playwright，增加环境复杂度
• 已知 API 问题：dataset_load() 在 kagglehub v0.4.3 损坏，需降级使用 dataset_download()
• 竞赛数据集 403：部分竞赛关联数据集需使用独立副本

适合人群

• 数据科学竞赛参与者（Kaggle Competitions）
• 需要批量下载 Kaggle 数据集/预训练模型的研究者
• 希望自动化 Kaggle 徽章收集的进阶用户
• 构建 ML Pipeline 需集成 Kaggle 资源的开发者

常规风险

| 风险项 | 等级 | 说明 |

|--------|------|------|

| 凭证文件读写 | Low | 功能必需，已实施 chmod 600 保护 |

| Subprocess 调用 CLI | Low | 调用官方 kaggle 工具，参数可控 |

| Playwright 浏览器自动化 | Info | 可选功能，headless 模式运行 |

| 网络依赖 | 中 | 需访问 api.kaggle.com、storage.googleapis.com |

安全建议：定期轮换 API Key（3-6 个月），优先使用 Scoped Token（KGAT_前缀），运行 network_check.sh 确认企业网络可达性。