Claude Code daft-udf-tuning 技能:给 Daft 自定义函数选择批处理
EnglishClaude Code 安装步骤
- 打开 GitHub 固定提交的 `.claude/skills/daft-udf-tuning/SKILL.md`,核对内容与使用条件。
- 在自己的项目中创建 `.claude/skills/daft-udf-tuning/`,把核对后的文件保存为 `.claude/skills/daft-udf-tuning/SKILL.md`。
- 在该项目根目录启动 Claude Code,在斜杠菜单中选择 `/daft-udf-tuning`。
中文摘要
按函数是否有状态、能否向量化和资源需求选择合适的自定义函数,并验证输出与运行表现。
SKILL.md 中文导读
可复现示例
调用 /daft-udf-tuning。基于下方虚构数字列,设计向量化处理与结果核对。
task `museum attendance totals`
column `visitors=[5, 7, 9]` | column `guides=[2, 4, 6]`
operation `add paired values` | expected `combined=[7, 11, 15]`
CPU-only local fixture工作步骤
- 识别逐行、异步、批量或有状态的操作。
- 为输入选择支持的处理方式,保留原输出作为对照。
- 先核对正确性,再测量内存和运行时间。
验收方法
建议用 `@daft.func.batch` 处理两列,将 `visitors=[5, 7, 9]` 与 `guides=[2, 4, 6]` 逐项相加,得到 `combined=[7, 11, 15]`。先与逐行结果对照。
GitHub 原文 · 更新日期
适用环境
已配置 Daft 和 PyArrow 的 Claude Code 项目。示例使用本地数字列比较逐行和向量化批量结果。
常见问题
只想处理两列数字,需要 GPU 吗?
简单的向量化数字操作可先用 CPU 检查。根据任务类型和验证数据决定是否需要其他资源。