メニュー
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。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
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