机器学习流水线搭建
提供数据源、训练代码和模型验收指标,串联数据准备、训练与评估,生成可复现且带发布关卡的流水线。
功能与用途
适用于把分散的数据处理、模型训练和评估脚本,整合成可重复运行的机器学习流水线。你需要提供业务目标、数据来源、现有代码、验收指标及运行环境。产出包括阶段依赖图、流水线代码或配置、输入输出定义、版本管理规则,以及评估与发布关卡,并配套失败重试、历史数据补跑、回滚方案和测试记录。优先沿用项目已有的调度系统;实际运行需要可访问的数据、代码和计算环境,生产发布需另行授权。
适用场景
- 训练脚本改造成定期流水线:将客户流失预测的数据清洗、训练和评估脚本串联,形成可定期执行并追溯版本的流程。
- 建立模型上线验收关卡:设置基线对比和指标阈值,让评估不达标或产物缺失的模型停止进入注册与发布阶段。
- 补跑历史数据并验证恢复能力:限定历史数据补跑范围,设计重试与回滚流程,验证失败恢复不会重复写入或覆盖已有产物。
适用人群
- 机器学习工程师
- 负责模型工程化的数据科学家
- MLOps工程师
- 机器学习平台开发人员
使用步骤
- 提交数据源、现有脚本、业务目标和验收指标。
- 说明调度环境、部署路径及资源限制。
- 生成阶段依赖图、输入输出定义和流水线实现。
- 加入版本追踪、评估关卡及失败恢复方案。
- 运行小规模测试和故障验证,检查交付记录。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes Agent、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-11-03
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Design, implement, and validate reproducible machine-learning pipelines spanning data preparation, training, evaluation, registry, and deployment gates. Use when the user requests an ML pipeline, needs to turn model scripts into an orchestrated workflow, or provides pipeline components that must be connected safely.
使用前准备
- 提供业务目标、模型评价指标、基线及验收阈值。
- 提供数据来源、更新频率、使用权限及现有训练评估代码。
- 说明运行环境、已有调度或持续集成系统,以及算力和成本限制。
- 具备机器学习开发与运行环境配置能力;执行验证时需能访问相关数据和依赖。