用途：在启动耗时数小时的机器学习实验前，用快速失败（fail-fast）验证模式提前暴露问题，避免运行数小时后才崩溃。触发场景包括新实验启动、全量训练前验证模型架构、检查梯度流与数据管道完整性、实现 POC 验证清单、调试预测坍缩或梯度爆炸。
主要能力：提供最小可行 POC 的 5 项检查（模型实例化与输出形状、梯度流、NDJSON 产物写入、epoch 选择器变化、10 轮迷你训练）与扩展的 10 项检查（数据加载、schema 校验、特征计算、预测合理性、检查点保存/加载）。附带 schema 校验函数、梯度健康检查（含 LSTM 专用检查）、预测坍缩/爆炸检测、预测与目标相关性检查、NDJSON 日志事件 schema 校验、POC 耗时参考表、失败原因与修复对照表、集成示例及反模式清单。
使用方式：按资料中的 Python 代码模式在实验脚本中调用 run_poc_validation()，POC 通过后再执行完整实验；在管道边界调用 validate_schema(df, required, stage)；用 check_gradient_health、check_prediction_sanity 等函数做针对性检查。资料中的代码与命令保持原样，未提供独立安装命令或 CLI 用法。
适用场景：PyTorch 类 ML 实验、时序/金融特征管道、需要 NDJSON 日志的实验框架。
限制：资料未提供具体安装方式、依赖版本、平台支持、收费信息与性能保证；阈值（如 pred_std_ratio < 0.005）为示例默认值，需按实际任务调整。该技能为自演进文档，仅在问题真实可复现时更新。