工程开发数据分析自动化
ml-pipeline-workflow
构建并编排从数据准备、模型训练、验证到自动化部署的端到端 MLOps 管线。
浏览: 18★ 34,502
探索可复用的代理技能,查看实现细节,快速找到适合你工作流程的技能。
共找到 158 个技能
构建并编排从数据准备、模型训练、验证到自动化部署的端到端 MLOps 管线。
根据 litellm 注册表审核并同步 assets.py 中的支持 LLM 模型列表。
检测加密代码中的时序侧信道漏洞,防止机密数据泄漏。适用于审计高敏感度的加密实现。
维护并更新 MassGen 模型注册表,包含后端能力、模型元数据、定价结构以及新旧 AI 模型的上下文窗口配置。
项目文档标准与架构指南,确保用户指南、开发文档及 AI 辅助流程之间的一致性与结构完整性。
获取并分析 OpenRouter 热门编程模型。适用于选择评审模型、优化 AI 成本,并通过实时定价与上下文窗口数据掌握 AI 编码趋势。
为 Claude 提供持久化、可 Git 管理的记忆功能。自动将项目决策、错误修复和编码模式存储至本地 .mv2 文件中,并可随时检索。
为您的项目生成 AGENTS.md 与 AI 配置文件 (Cursor, Claude, Gemini, Copilot),优化您的 vibe-coding 工作流并保持跨会话的上下文关联。
一个基于 Git 的 AI 代理技能存储库。通过 CLI 下载、版本控制、编辑与共享自定义的代理技能与程序性知识。
自动化 Betty Framework 技能的创建过程,包括构建目录结构、生成 YAML 清单文件以及处理注册表登记。
具备 Git 感知能力的逻辑撤销工具,支持按追踪、阶段或任务层级进行带确认机制的复原。
在 AI 辅助开发过程中,保持技术规格、测试套件与源代码的完美同步。