工程开发自动化
MLOps Industrialization
一套将实验性机器学习原型转换为稳健、可发布 Python 软件包的框架,采用 src 布局、混合架构与严谨的配置管理。
浏览: 1★ 1,408
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 180 个技能
一套将实验性机器学习原型转换为稳健、可发布 Python 软件包的框架,采用 src 布局、混合架构与严谨的配置管理。
执行实现规划工作流程,生成技术设计产出物,并为 Spec Kit 项目构建研究任务。
管理多链加密钱包系统的 CI/CD 工作流程、Docker 容器化与基础设施配置。
通过验证测试、管理合并或拉取请求工作流程并清理工作树,来完成开发分支,确保仓库状态一致。
自动化 Worktrunk 的发布流程,包含版本号更新、CHANGELOG 生成、贡献者鸣谢,以及发布至 crates.io 和 GitHub。
为现有项目管理变更请求文档 (CRD) 工作流程,负责处理代码库上下文、影响分析并自动生成 CRD 文档。
AI 编码代理的共享内存与协作层,用于追踪操作、管理会话、检测冲突,并跨工具保留项目上下文。
管理 OpenClaw 发布生命周期:准备发布分支、更新跨平台版本号、生成更新日志,并协调 npm 软件包与二进制构建产物的发布流程。
PolicyEngine 代码库的标准审查模式、验证清单与质量基准。
使用 Stable Baselines3 进行生产级强化学习。通过类 scikit-learn API 训练智能体、设计自定义环境、实现训练回调函数并优化工作流程。
为程序开发过程维护详细的步骤实作日记,并整合 docmgr 以追踪变更、设计决策、执行指令及错误记录。
高效管理 git worktrees,支持自动化文件同步、后台任务执行以及基于 CLI 的工作区编排。