机器学习训练流程规划
原名：ml-pipeline
连接数据版本、实验、验证和模型登记，明确训练与上线的审核点。
中文 Skills 技能说明
公司已有模型实验，想把过程变得可追踪时，可让获准 AI 开发岗位员工与Ai模型测试工程师使用。提供任务、脱敏数据、模型许可、算力和评估标准，技能组织实验追踪、特征及编排，交付流程草稿与验收表。MLflow、Airflow、模型仓库等工具需自配，不含云训练额度；测试集与训练数据要隔离。桌面端仅用获准数据，外发和收费任务先确认，模型发布由人按真实结果审核，不编造分数。
上游能力依据
上游原始适用说明：Designs and implements production-grade ML pipeline infrastructure: configures experiment tracking with MLflow or Weights & Biases, creates Kubeflow or Airflow DAGs for training orchestration, builds feature store schemas with Feast, deploys model registries, and automates retraining and validation workflows. Use when building ML pipelines, orchestrating training workflows, automating model lifecycle, implementing feature stores, managing experiment tracking systems, setting up DVC for data versioning, tuning hyperparameters, or configuring MLOps tooling like Kubeflow, Airflow, MLflow, or Prefect.
上游 SKILL.md 主要章节（保留原文标题）：
- Core Workflow
- Reference Guide
- Code Templates
- MLflow Experiment Logging (minimal reproducible example)
- Kubeflow Pipeline Component (single-step template)
- Data Validation Checkpoint (Great Expectations style)
- Constraints
- Output Format
- Knowledge Reference
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
- Jeffallan 与 claude-skills contributors
- 中文翻译
- CEOFans翻译
- 许可证
- MIT
- 上游来源
- https://github.com/Jeffallan/claude-skills/tree/1be15d8064f88fc25216442406d40add8fd23b53/skills/ml-pipeline
适用范围
平台：linux、macos、windows；标签：AI 工程、机器学习训练流程规划、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。