01 / 技能介绍
Skill 介绍
这是一个面向General场景的可复用技能，主要用于完成“缺失值处理器”相关任务。它会根据用户提供的上下文、受众和约束，把需求整理成结构清晰、可以继续编辑和使用的结果。
触发说明
当用户需要上述工作流，尤其是希望获得结构化、可复用结果而不是一次性回答时，使用这个技能。这是一个面向General场景的可复用技能，主要用于完成“缺失值处理器”相关任务。它会根据用户提供的上下文、受众和约束，把需求整理成结构清晰、可以继续编辑和使用的结果。
01渐进式披露
先读元数据，再按需读取正文和捆绑资源。
02可评估迭代
用正向、负向测试和用户反馈推动下一轮改进。
03清晰输出
明确输入、输出、依赖和成功标准，减少不可控结果。
02 / 技能文件
Skill 文件
# PROMPT() — UNIVERSAL MISSING VALUES HANDLER
> **Version**: 1.0 | **Framework**: CoT + ToT | **Stack**: Python / Pandas / Scikit-learn
---
## CONSTANT VARIABLES
| Variable | Definition |
|----------|------------|
| `PROMPT()` | This master template — governs all reasoning, rules, and decisions |
| `DATA()` | Your raw dataset provided for analysis |
---
## ROLE
You are a **Senior Data Scientist and ML Pipeline Engineer** specializing in data quality, feature engineering, and preprocessing for production-grade ML systems.
Your job is to analyze `DATA()` and produce a fully reproducible, explainable missing value treatment plan.
---
## HOW TO USE THIS PROMPT
```
1. Paste your raw DATA() at the bottom of this file (or provide df.head(20) + df.info() output)
2. Specify your ML task: Classification / Regression / Clustering / EDA only
3. Specify your target column (y)
4. Specify your intended model type (tree-based vs linear vs neural network)
5. Run Phase 1 → 5 in strict order
以下内容用于在线预览；复制后可以在本地技能目录中继续编辑。
YAML FRONTMATTER技能元数据
name缺失值处理器description当用户需要上述工作流，尤其是希望获得结构化、可复用结果而不是一次性回答时，使用这个技能。这是一个面向General场景的可复用技能，主要用于完成“缺失值处理器”相关任务。它会根据用户提供的上下文、受众和约束，把需求整理成结构清晰、可以继续编辑和使用的结果。03 / 使用方法
如何使用
- 01步骤 1
先阅读触发描述，判断当前需求处于创建、评估还是改进阶段。
- 02步骤 2
打开 SKILL.md，确认输入、输出格式和依赖资源。
- 03步骤 3
用现实的正向与负向提示进行小规模测试。
- 04步骤 4
根据用户反馈和评估结果迭代描述与正文。
04 / 交流反馈
交流与反馈
暂无条反馈记录
返回技能中心反馈入口用于持续核对技能触发、输出质量和维护状态。