用途：该技能用于检查数据集结构，判断其是否符合 Amazon SageMaker 模型微调（SFT、DPO、RLVR）或模型评估的格式要求。适用于用户询问“我的数据集可以吗”“评估我的数据”等场景。
主要能力：定位数据集（本地路径或 S3 URI），确认读取权限并处理文件缺失或类型错误；确定微调模型与策略；按模型族运行相应校验；汇总结果并告知数据是否可用于预期用途。训练数据集需匹配对应微调策略格式，评估数据集需匹配 SageMaker 评估数据集格式之一；Custom Scorer 评估数据集（Prime Math、Prime Code、Custom Lambda）有专属 schema 要求。
使用方式：先确认 SDK 环境（版本、区域、执行角色），否则先启用 sdk-getting-started 技能。若上下文未提供模型与策略，需先通过 model-selection 和 finetuning-technique 技能确定；但校验评估数据集时无需模型与策略。随后运行格式检测脚本，将完整路径作为参数传入，不传模型和策略，不从 S3 下载数据，也不做本地副本： python scripts/format_detector.py local_path/to/dataset
适用场景：微调前数据质量检查、评估数据集格式验证、判断数据是否需转换。若数据格式不符，建议使用 dataset-transformation 技能转换，并等待用户确认。若计划用于微调，数据需上传至与训练任务同区域的 S3 桶，否则应提醒用户。
限制：仅适用于按 Amazon SageMaker AI 开发者指南格式化的文件；不负责下载或复制数据；模型与策略需由其他技能或上下文提供；具体支持的文件类型与各策略格式要求以 references/strategy_data_requirements.md 为准，资料未提供完整清单。