工程開發資料分析自動化
ml-pipeline-workflow
建構並協調從資料準備、模型訓練、驗證到自動化部署的端到端 MLOps 管線。
瀏覽: 19★ 34,502
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 521 個技能
建構並協調從資料準備、模型訓練、驗證到自動化部署的端到端 MLOps 管線。
為自訂 Minecraft Bedrock 封包分析器產生結構程式碼。包含模板程式碼、註冊指南與封包擷取工作流程。
將複雜的開發需求拆解為可執行的任務序列,並針對多代理環境進行委派分析。
維護並更新 MassGen 模型註冊表,包含後端能力、模型元數據、定價結構以及新舊 AI 模型的上下文窗口配置。
手動完成並提交 AI 代理回應給 Claude。用於自動同步失敗時,或需手動整理研究結果的場合。
Next.js React Server Components (RSC) 指南,涵蓋伺服器與客戶端組件邊界、數據獲取及組合模式。
TraceMem 基礎心智模型與操作規則,確保 AI 代理執行過程的安全、可稽核性與合規性。
為多任務工程專案建立結構化且可由編排器執行的計畫,包含原子化任務、衝刺結構與驗證標準。
利用 ripgrep 進行快速文字搜尋,並透過 ast-grep 進行語法感知代碼分析,有效定位程式碼庫中的模式與結構。
使用 Upstash Workflow SDK 構建持久且可靠的無伺服器工作流。定義端點、管理複雜的執行步驟,並與 QStash 整合以實現自動重試和狀態管理。
使用 IaC、Docker 和服務虛擬化管理測試基礎設施。優化測試成本,確保開發與生產環境的一致性,並自動化環境部署,以實現一致且可擴展的軟體測試。
Nuxt 框架決策輔助層,用於優化專案開發,引導至正確的 Nuxt 套件、Vue 指南或模組特定邏輯。