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: 19★ 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 521 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。
为自定义 Minecraft Bedrock 数据包分析器生成脚手架。包含模板代码、注册指南与数据包捕获工作流程。
将复杂的开发需求拆解为可执行的任务序列,并针对多代理环境进行委派分析。
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。
手动完成并提交 AI 代理响应给 Claude。用于自动同步失败时,或需手动整理研究结果的场合。
Next.js React Server Components (RSC) 指南,涵盖服务器与客户端组件边界、数据获取及组合模式。
TraceMem 基础心智模型与操作规则,确保 AI 代理执行过程的安全、可稽核性与合规性。
为多任务工程项目建立结构化且可由编排器执行的计划,包含原子化任务、冲刺结构与验证标准。
利用 ripgrep 进行快速文本搜索,并透过 ast-grep 进行语法感知代码分析,有效定位代码库中的模式与结构。
使用 Upstash Workflow SDK 构建持久且可靠的无服务器工作流。定义端点、管理复杂的执行步骤,并与 QStash 集成以实现自动重试和状态管理。
使用 IaC、Docker 和服务虚拟化管理测试基础设施。优化测试成本,确保开发与生产环境的一致性,并自动化环境部署,以实现一致且可扩展的软件测试。
Nuxt 框架决策辅助层,用于优化项目开发,引导至正确的 Nuxt 套件、Vue 指南或模块特定逻辑。