parallel-data-enrichment

Massenanreicherung von Daten. Fügt webbasierte Felder (CEO-Namen, Finanzierung, Kontaktinformationen) zu Listen von Unternehmen, Personen oder Produkten hinzu. Verwenden Sie dies zur Anreicherung von CSV-Dateien oder…

npx skills add https://github.com/parallel-web/parallel-cursor-plugin --skill parallel-data-enrichment

Data Enrichment

Enrich: $ARGUMENTS

Before starting

Inform the user that enrichment may take several minutes depending on the number of rows and fields requested.

Optional: Suggest output columns

If the user gave a vague intent ("enrich these companies with useful info") and you're not sure what columns to add, ask the API for a suggestion before kicking off the run:

parallel-cli enrich suggest "Find CEO and recent funding info" --json

The response is an envelope: {title, processor, enriched_columns, warnings}. Extract just the enriched_columns array (not the whole envelope) and pass it as the value of --enriched-columns on enrich run, in place of --intent — the two flags are alternative ways to specify what to enrich, not combined. If suggest returned a processor, pass it through explicitly via --processor on the run call (it's a tuned recommendation for the schema). Skip this whole section if the user already specified the fields they want.

enrich suggest requires parallel-cli ≥ 0.3.0. If it errors with anything resembling no such command / No such command / unknown command, do not bail — skip the suggestion step, fall through to step 1 with --intent, complete the run, and mention parallel-cli update (or pipx upgrade parallel-web-tools) in the final response so the user picks up the feature next time.

Step 1: Start the enrichment

Use ONE of these command patterns (substitute user's actual data):

For inline data:

parallel-cli enrich run --data '[{"company": "Google"}, {"company": "Microsoft"}]' --intent "CEO name and founding year" --target "output.csv" --no-wait --json

For CSV file:

parallel-cli enrich run --source-type csv --source "input.csv" --target "output.csv" --source-columns '[{"name": "company", "description": "Company name"}]' --intent "CEO name and founding year" --no-wait --json

If this is a follow-up to a previous research task and you have its interaction_id, add context chaining:

parallel-cli enrich run --data '...' --intent "..." --target "output.csv" --no-wait --json --previous-interaction-id "$INTERACTION_ID"

The enrichment will run with the full context of that prior research — so you can enrich entities discovered earlier without restating what was already found. Note: enrichment does not itself produce a new interaction_id, so you cannot chain a further follow-up off of an enrichment.

IMPORTANT: Always include --no-wait so the command returns immediately instead of blocking.

Parse the --json output to extract taskgroup_id and url. The output is {taskgroup_id, url, num_runs} — there is no interaction_id field, do not look for one. Immediately tell the user:

  • Enrichment has been kicked off
  • The monitoring URL where they can track progress

Tell them they can background the polling step to continue working while it runs.

Step 2: Poll for results

Pick a concrete output path (e.g., /tmp/enrichment-acme.json). Note: the file is JSON regardless of the extension you choose — it's an array of {input, output} objects, not a CSV. Name it .json to avoid confusing yourself or the user.

parallel-cli enrich poll "$TASKGROUP_ID" --timeout 540 --output "/tmp/enrichment-<descriptive-name>.json"

Important:

  • Use --timeout 540 (9 minutes) to stay within tool execution limits
  • The --target from step 1 is unused in --no-wait mode — only --output here determines where results are saved, and the file is always JSON

If the poll times out

Enrichment of large datasets can take longer than 9 minutes. If the poll exits without completing:

  1. Tell the user the enrichment is still running server-side
  2. Re-run the same parallel-cli enrich poll command to continue waiting

Response format

After step 1: Share the monitoring URL (for tracking progress).

After step 2:

  1. Report number of rows enriched
  2. Preview first few rows from the output file (it's a JSON array of {input, output} objects)
  3. Tell the user the full path to the output file

Do NOT re-share the monitoring URL after completion — the results are in the output file.

If the parallel-cli binary is not installed

If the shell reports command not found: parallel-cli (i.e. the binary itself is missing — distinct from a No such command error from a stale CLI, which the in-body guidance above covers), stop immediately. Do NOT search the web yourself, do NOT use any built-in search tools, and do NOT try to answer the query from your own knowledge. Instead, tell the user:

  1. parallel-cli is not installed
  2. Run /parallel-setup to install it
  3. Then retry their request

Mehr Skills von parallel-web

parallel-monitor
parallel-web
Kontinuierlich das Web auf Änderungen in einem wiederkehrenden Rhythmus überwachen. Verwenden, wenn der Benutzer darum bittet, etwas zu 'überwachen', 'Änderungen an ... zu verfolgen', 'zu beobachten' oder 'mich zu benachrichtigen, wenn' ...
migrate-to-parallel
parallel-web
Migrieren Sie Exa-, Tavily-, Perplexity- oder Firecrawl-Webdaten-Integrationen vollständig zu den entsprechenden Parallel-Produkten, während das Anwendungsverhalten erhalten bleibt. Verwenden Sie…
parallel-data-enrichment
parallel-web
Massenanreicherung von Unternehmens-, Personen- oder Produktdaten mit webbasierten Feldern wie CEO-Namen, Finanzierungsinformationen und Kontaktdaten. Akzeptiert Inline-JSON-Daten oder CSV-Dateien; gibt angereicherte Ergebnisse als CSV aus. Läuft asynchron mit Fortschrittsverfolgung über Überwachungs-URL und Abfragebefehle. Erfordert das parallel-cli-Tool und Internetzugang; verarbeitet große Datensätze mit konfigurierbaren Timeouts. Unterstützt flexible Feldanfragen durch natürlichsprachliche Absichtsbeschreibungen (z. B. "CEO-Name und Gründungsjahr").
parallel-deep-research
parallel-web
Erschöpfende Recherche mit konfigurierbaren Kompromissen zwischen Tiefe, Latenz und Kosten für komplexe Themen. Drei Prozessor-Stufen (pro-fast, ultra-fast, ultra) von 30 Sekunden bis 25 Minuten, mit Kostensteigerung vom 1- bis 3-fachen des Basiswerts. Asynchrone Ausführung mit Abfrage: Recherche sofort starten, Fortschritt über URL verfolgen, Ergebnisse abrufen, sobald bereit, ohne Blockierung. Ausgaben formatierter Markdown-Bericht und JSON-Metadaten; Zusammenfassung für schnellen Überblick auf stdout ausgegeben. Entwickelt für explizite...
parallel-findall
parallel-web
Entdecken Sie Entitäten (Unternehmen, Personen, Produkte usw.), die einer natürlichsprachlichen Beschreibung entsprechen. Verwenden Sie dies, wenn der Benutzer darum bittet, „alle X zu finden“ oder „jedes Y aufzulisten, das …“ —…
parallel-memory
parallel-web
Rufe frühere Parallel Task-, Monitor- und FindAll-Läufe ab, wenn sie hilfreich sein könnten; entferne Läufe oder lösche den Speicher, wenn darum gebeten wird.
parallel-web-extract
parallel-web
Extrahiere Inhalte aus mehreren URLs parallel und tokeneffizient. Verarbeitet Webseiten, Artikel, PDFs und JavaScript-lastige Seiten mit einem einzigen Befehl. Läuft in einem forked-Kontext, um den Token-Overhead im Vergleich zum integrierten WebFetch zu minimieren. Unterstützt die Batch-Extraktion mehrerer URLs mit optionalen Fokus-Zielen. Erfordert die Installation und Authentifizierung von parallel-cli; gibt extrahierte Inhalte als Markdown in eine lokale Datei für Folgeabfragen aus.
parallel-web-search
parallel-web
Schnelle Websuche nach aktuellen Informationen, Recherche und Faktenfindung im Internet. Führt einzelne objektbasierte Abfragen oder mehrere Stichwortsuche parallel aus und gibt bis zu 10 Ergebnisse mit Auszügen und Metadaten zurück. Unterstützt zeitkritische Filterung über --after-date und domänenspezifische Suchen mit --include-domains. Gibt strukturiertes JSON mit Titeln, URLs, Veröffentlichungsdaten und Auszügen für einfache Analyse und Folgeabfragen aus. Erfordert Inline-Zitate für jede Behauptung unter Verwendung von Markdown...