工程開發自動化
MLOps Industrialization
一套將實驗性機器學習原型轉換為穩健、可發佈的 Python 套件之框架,採用 src 配置、混合架構與嚴謹的設定管理。
瀏覽: 1★ 1,408
探索可重用的代理技能,查看實作細節,快速找到適合你工作流程的技能。
共找到 180 個技能
一套將實驗性機器學習原型轉換為穩健、可發佈的 Python 套件之框架,採用 src 配置、混合架構與嚴謹的設定管理。
執行實作規劃工作流程,產生技術設計產出物,並為 Spec Kit 專案建構研究任務。
管理多鏈加密錢包系統的 CI/CD 工作流程、Docker 容器化與基礎設施配置。
透過驗證測試、管理合併或拉取請求工作流程並清理工作樹,來完成開發分支,確保儲存庫狀態一致。
自動化 Worktrunk 的發布流程,包含版本號更新、CHANGELOG 生成、貢獻者鳴謝,以及發布至 crates.io 和 GitHub。
為既有專案管理變更請求文件 (CRD) 工作流程,負責處理程式碼庫背景知識、影響分析並自動生成 CRD 文件。
AI 程式代理的共享記憶與協作層,用於追蹤操作、管理工作階段、偵測衝突,並跨工具保留專案上下文。
管理 OpenClaw 發佈生命週期:準備發布分支、更新跨平台版本號、生成更新日誌,並協調 npm 套件與二進位制構建產物的發布流程。
PolicyEngine 程式碼庫的標準化審查模式、驗證清單與品質基準。
使用 Stable Baselines3 進行生產級強化學習。透過類 scikit-learn API 訓練智能體、設計自定義環境、實作訓練回調函數並優化工作流程。
為程式開發過程維護詳細的步驟實作日記,並整合 docmgr 以追蹤變更、設計決策、執行指令及錯誤記錄。
高效管理 git worktrees,支援自動化檔案同步、背景任務執行以及基於 CLI 的工作區編排。