模型部署与漂移监测规划

原名：senior-ml-engineer

整理模型服务、监测与 LLM 集成步骤，明确依赖、成本和验证边界。

中文 Skills 技能说明

训练好的模型准备接进产品时，先把服务和监测方案补齐。提供模型版本、许可、评估数据、请求量、环境和预算，技能辅助生成部署、监控或检索流程草稿，交付验证清单及故障处理步骤。容器、向量库、模型服务及 SDK 需另配，相关提示词技能并未随包安装。漂移阈值和费用只是待核对输入，不能保证准确率或自动消除编造；测试集隔离，上传数据、付费调用、重训练和生产发布先审批。

上游能力依据

上游原始适用说明：ML engineering skill for productionizing models, building MLOps pipelines, and integrating LLMs. Covers model deployment, feature stores, drift monitoring, RAG systems, and cost optimization. Use when the user asks about deploying ML models to production, setting up MLOps infrastructure (MLflow, Kubeflow, Kubernetes, Docker), monitoring model performance or drift, building RAG pipelines, or integrating LLM APIs with retry logic and cost controls. Focused on production and operational concerns rather than model research or initial training.

上游 SKILL.md 主要章节（保留原文标题）：

• Table of Contents
• Model Deployment Workflow
• Container Template
• Serving Options
• MLOps Pipeline Setup
• Feature Store Pattern
• Retraining Triggers
• LLM Integration Workflow
• Provider Abstraction
• Cost Management

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

Alireza Rezvani 与 claude-skills contributors

中文翻译

CEOFans翻译

许可证

MIT

上游来源

https://github.com/alirezarezvani/claude-skills/tree/27cfcd0fb0a41f60adffcbd5271fdf8839f86ed2/engineering-team/skills/senior-ml-engineer

适用范围

平台：linux、macos、windows；标签：AI 工程、模型部署与漂移监测规划、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。