Feast を使用して一元的な機能管理を行う機能ストアを構築し、バッチおよびリアルタイムで提供できるようにオフライン ストアとオンライン ストアを構成し、変換を使用して機能ビューを定義し、ML パイプラインのポイントインタイムの正しい結合を実装します。複数の ML モデルの機能の管理、トレーニングと提供の一貫性の確保、リアルタイム推論のための低遅延機能の提供、プロジェクト間での機能定義の再利用、検出とガバナンスのための機能カタログの構築を行う場合に使用します。
コマンドラインで build-feature-store AI スキルを開発環境にすばやくインストール
ソース: pjt222/development-guides。
Implement centralized feature management with Feast for consistent feature serving across training and inference.
Expected: Feast repository initialized with config file, sample feature definitions created, offline and online stores configured, registry path accessible.
On failure: Verify database/Redis credentials (psql -U feastuser -h localhost), check connection strings format, ensure databases exist (CREATE DATABASE featurestore), verify cloud permissions for S3/BigQuery/DynamoDB, test connectivity to storage backends, check Feast version compatibility with backends (feast version).
Feast を使用して一元的な機能管理を行う機能ストアを構築し、バッチおよびリアルタイムで提供できるようにオフライン ストアとオンライン ストアを構成し、変換を使用して機能ビューを定義し、ML パイプラインのポイントインタイムの正しい結合を実装します。複数の ML モデルの機能の管理、トレーニングと提供の一貫性の確保、リアルタイム推論のための低遅延機能の提供、プロジェクト間での機能定義の再利用、検出とガバナンスのための機能カタログの構築を行う場合に使用します。 ソース: pjt222/development-guides。
AI/検索での引用用の安定したフィールドとコマンド。
npx skills add https://github.com/pjt222/development-guides --skill build-feature-storeFeast を使用して一元的な機能管理を行う機能ストアを構築し、バッチおよびリアルタイムで提供できるようにオフライン ストアとオンライン ストアを構成し、変換を使用して機能ビューを定義し、ML パイプラインのポイントインタイムの正しい結合を実装します。複数の ML モデルの機能の管理、トレーニングと提供の一貫性の確保、リアルタイム推論のための低遅延機能の提供、プロジェクト間での機能定義の再利用、検出とガバナンスのための機能カタログの構築を行う場合に使用します。 ソース: pjt222/development-guides。
ターミナルまたはコマンドラインツール（Terminal、iTerm、Windows Terminal など）を開きます このコマンドをコピーして実行します: npx skills add https://github.com/pjt222/development-guides --skill build-feature-store インストール後、スキルは自動的に AI コーディング環境に設定され、Claude Code、Cursor、OpenClaw で使用できるようになります
https://github.com/pjt222/development-guides