Skip to content

m02 数据工程补四问结论卡与派生回边脚本,打通对 m03/m04 的标准交接#11

Merged
Light0305 merged 1 commit into
masterfrom
feat/m02-data-engineering-upgrade
Jun 15, 2026
Merged

m02 数据工程补四问结论卡与派生回边脚本,打通对 m03/m04 的标准交接#11
Light0305 merged 1 commit into
masterfrom
feat/m02-data-engineering-upgrade

Conversation

@Light0305

Copy link
Copy Markdown
Owner

背景

对标 pandas_dq / ydata-profiling / Altimate / 官方 skills 后发现:m02 与同类的差距不在检测器多寡,而在衔接接口——SKILL 反复说"四问结论喂 m03/m04",但 CONVENTIONS §6.1 工件表里 m02 下游只写 m05/a03/m06,m03/m04 拿不到落盘工件、靠聊天传,踩了 §6.1 自己"避免单向挂载"的红线。本 PR 按四块杠杆把这个地基环节做到位。

改动

杠杆 1 — 补单向挂载(最高价值)

  • 新增 data_feasibility.py:四问各 ok/warn/insufficient → 整体 verdict,insufficient 退出码 1 当"不进 m03"闸门,可吃 sample_size_check --json 自动填规模问项
  • CONVENTIONS §6.1:m02 下游补 m03/m04(四问结论),标准工件加 data_feasibility.md
  • 双向声明闭环:m02 产出节声明 + m03 开工读它 + m04 数据可行性复核以它为证据锚点

杠杆 2 — 派生回边脚本化

  • 新增 derive_eval_set.py + examples/derive_spec.example.json:据 m05 派生规格生成加噪/缺失/跨域/扫参评测集 + 对齐 db04 的 dataset_card 字段。铁律:只动特征不碰标签、固定种子、不回流训练折
  • m05 SKILL 回边节加指针

杠杆 3 — 工件落位

  • 新增 emit_artifacts.py:核 quality_report/data_card/data_feasibility 三件套落 §6.1 标准名,打印委托 orchestrator passport.py 的登记命令

杠杆 4 — 单点检测追平成熟库

  • data_doctor.py 补 inf / 混合类型 / 类不均衡 / 强偏态 / 稀有类 5 个检测器
  • 新增 drift_check.py:数值列 KS+PSI、类别列卡方+PSI,纯 numpy 无 scipy 硬依赖,以 PSI 效应量为主

收尾

  • run_skill_selftests.py 重配 stdout/stderr 为 UTF-8,修 Windows 残留门打印 ✓/✗ 的 GBK 崩溃

验证

  • data-engineering 脚本 6 → 10,全部 --selftest 通过、零文件残留(已精确验证)
  • 全仓 77 脚本 selftest:passed=77 failed=0
  • 5 个 CI lint 关卡全过(check_skills / databases / skill_assets / entry_docs / skill_links)

影响范围

CONVENTIONS.md(真相源,§6.1 一行)、WHATS_INCLUDED.md(登记 4 新脚本)、m02/m03/m04/m05 SKILL.md、1 个 CI 脚本。无破坏性改动,纯增量 + 一处契约修正。

补 m02→m03/m04 此前靠聊天传的单向挂载:四问结论收敛成可落盘工件
data_feasibility.md,m03 开工读它判该不该立项、m04 复核数据声明以它为锚点。

- data_feasibility.py:四问各 ok/warn/insufficient + 整体 verdict,
  insufficient 退出码 1 当"不进 m03"闸门,可吃 sample_size_check --json
- derive_eval_set.py:把 m05 派生数据回边做成可执行——据规格生成
  加噪/缺失/跨域/扫参评测集 + 对齐 db04 的 dataset_card 字段,
  只动特征不碰标签、固定种子、不回流训练折
- drift_check.py:两数据集分布漂移检验,数值列 KS+PSI、类别列卡方+PSI,
  纯 numpy 无 scipy 硬依赖,以 PSI 效应量为主
- emit_artifacts.py:核三件套落 CONVENTIONS §6.1 标准名 + 打印 passport 登记命令
- data_doctor.py 补 inf/混合类型/类不均衡/偏态/稀有类 5 个检测器
- CONVENTIONS §6.1 m02 下游补 m03/m04 并加 data_feasibility.md
- m03/m04/m05 SKILL 加对应衔接指针
- run_skill_selftests.py 重配 stdout/stderr 为 UTF-8,修 Windows 残留门打印崩溃
@Light0305 Light0305 merged commit 8d106a0 into master Jun 15, 2026
4 checks passed
@Light0305 Light0305 deleted the feat/m02-data-engineering-upgrade branch June 15, 2026 04:00
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant