ML Fail-Fast Validation 技能：训练前拦截缺失字段
EnglishClaude Code 安装步骤
- 从 GitHub 固定提交获取完整的 `plugins/devops-tools/skills/ml-failfast-validation` 目录。
- 复制到目标项目的 `.claude/skills/`，确认 `.claude/skills/ml-failfast-validation/SKILL.md`，再从项目根目录启动 Claude Code，输入 `/ml-failfast-validation`。
中文摘要
用 Claude Code 给数据加载和特征计算加快速验收。输入列不齐时指出失败阶段和缺失列，省去等到训练中途才定位问题。
SKILL.md 中文导读
可复现示例
设置原始输入需要 weight、width 和 label。先运行缺少 width 的 10 行 CSV，检查报错阶段为 raw_data，再补齐宽度验证能进入特征计算。工作步骤
- 在读取 CSV 后立即验证输入列，输出缺失字段、已存在列及阶段名。
- 计算特征后复查输出结构，再运行小样本训练。将故意缺列的夹具加入回归测试。
验收方法
缺列样例在训练前终止并指出 width。修复后同一验收通过，测试保留两种输入。
GitHub 原文 · 更新日期
适用环境
准备 Python、pandas 和自己的合成特征流水线。先写下各阶段必需字段与类型。
常见问题
校验应该只放在最后一次训练开始前吗？
在数据加载、特征生成等阶段边界各核对一次。这样报错能直接指出哪一步改变了结构。