模型训练与验证流水线

原名：ml-pipeline-workflow

把数据准备、训练、评估和部署条件分开记录，让结果可追踪、可复现。

中文 Skills 技能说明

创业团队已有合法训练需求，希望减少手工步骤时，可让开发岗位数字员工与 Ai模型测试工程师规划。提供数据许可、脱敏样本、模型目标、运行环境和评估要求，技能整理版本、训练、验证与发布门禁，交付流水线草稿和证据清单。不保证模型一定更好，训练通过也不等于业务可上线。算力、模型与数据许可需用户自己确认，桌面端运行先限制资源及费用；企业数据外发、模型部署和生产接入必须人工批准。

上游能力依据

上游原始适用说明：Build end-to-end MLOps pipelines from data preparation through model training, validation, and production deployment. Use when creating ML pipelines, implementing MLOps practices, or automating model training and deployment workflows.

上游 SKILL.md 主要章节（保留原文标题）：

• Overview
• When to Use This Skill
• What This Skill Provides
• Core Capabilities
• Reference Documentation
• Assets and Templates
• Usage Patterns
• Basic Pipeline Setup
• Production Workflow
• Best Practices

使用边界

先读取项目约定、依赖版本和现有测试，再提出最小改动。写文件、运行脚本、提交代码或发布前应检查差异并保留回退路径。

作者、翻译与许可证

原作者

Seth Hobson（wshobson）与 agents contributors

中文翻译

CEOFans翻译

许可证

MIT

上游来源

https://github.com/wshobson/agents/tree/46891e7e60da0e52baf1050b7b6391b64e84c6d9/plugins/machine-learning-ops/skills/ml-pipeline-workflow

适用范围

平台：linux、macos、windows；标签：AI 工程、模型训练与验证流水线、开源技能

安全提示

基础静态扫描不等于绝对安全。技能可能调用命令、浏览器、云服务或本地文件，请在最小权限环境中使用，高风险操作必须人工确认。

如发现侵权、许可证或安全问题，可在本页前台提交投诉，管理员复核后可立即下架。