Menu
将机器学习流程和算法逻辑严格限制在 Rust crates 内实现。当新增或修改异常检测、预测、特征提取、模型训练、推理行为，或补充算法评估指标（F1、Recall、MAE、RMSE、MASE）时使用。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
强制使用 Apache Arrow C Data Interface 与安全的 Go-Rust FFI 边界。当修改 pkg/rsod、rsod-ffi、Arrow Schema、时间戳单位或跨语言数据交换时使用。
Grafana datasource 插件仓库级规则。当修改 plugin.json、前端查询编辑器、datasource 行为、健康检查、日志、配置处理或兼容性相关代码时使用。
约束新增 Rust 算法的 crate 与模块布局。当新增 rsod 算法 crate 或重构现有 Rust 算法代码时使用。
当涉及 rsod/ 目录修改时使用。涵盖核心算法实现、数据结构、公共接口、错误处理、配置定义等。任何直接影响模型行为的 Rust 代码都必须遵守此规范。
| name | rust-ml-boundary |
| description | 将机器学习流程和算法逻辑严格限制在 Rust crates 内实现。当新增或修改异常检测、预测、特征提取、模型训练、推理行为，或补充算法评估指标（F1、Recall、MAE、RMSE、MASE）时使用。 |
本技能用于强制执行架构边界：机器学习逻辑只允许存在于 Rust 中，而 Go 只负责插件集成和 FFI 传输编排。
本文件不是 Rust 顶层规范，而是 rust-core 的职责边界补充。
rust-core 出现表述重叠，以 rust-core 作为顶层基线，本文件只在机器学习流程归属场景中追加限制，不能放宽 rust-core 的要求。dataset/testdata/。outlier 类型算法在使用测试数据集评估时，必须至少报告适合异常检测任务的指标，默认包括 F1 和 Recall；如果补充 Precision、PR-AUC 或其他指标，只能作为附加信息，不能替代前两者。outlier 类型算法的默认单元测试达标线为：F1 >= 0.80 且 Recall >= 0.85。如果某个公开 benchmark、论文复现实验或仓库既有稳定模型已经给出更高门槛，测试必须采用更严格的阈值。forecast 类型算法在使用测试数据集评估时，必须同时报告 MAE、RMSE 和 MASE；不得只挑选其中单个指标来声明模型有效。forecast 类型算法的默认单元测试达标线为：MASE < 1.0，且 MAE 与 RMSE 都必须优于对照基线至少 5%，即 MAE <= 0.95 * baseline_mae 且 RMSE <= 0.95 * baseline_rmse。MAE 或 RMSE 阈值；只有在测试夹具的量纲、取值范围和窗口完全固定，并且阈值来源在同一变更中写清楚时，才允许为该特定数据集补充更严格的绝对上限。dataset/testdata/ 下的固定数据执行针对性测试，并记录与任务类型匹配的评估指标：outlier 至少包含 F1 和 Recall，且默认断言 F1 >= 0.80、Recall >= 0.85forecast 测试必须包含 MAE、RMSE 和 MASE，并默认断言 MASE < 1.0、MAE <= 0.95 * baseline_mae、RMSE <= 0.95 * baseline_rmseMAE / RMSE 绝对阈值