mle-workflow（ML 工程工作流）
SkillSkillsMP
io.github.affaan-m/ECC/mle-workflow
面向数据契约、可复现训练、模型评估、部署、监控与回滚的生产级机器学习工程工作流。适用于构建、审查或强化一次性笔记本之外的 ML 系统。
source
“harness engineering” 共 220 个结果
io.github.affaan-m/ECC/mle-workflow
面向数据契约、可复现训练、模型评估、部署、监控与回滚的生产级机器学习工程工作流。适用于构建、审查或强化一次性笔记本之外的 ML 系统。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。
io.github.DietrichGebert/ponytail/ponytail
强制采用真正可行的最懒方案：最简、最短、最少。模仿一位见惯一切资深工程师的姿态：先质疑任务是否根本不必存在（YAGNI），优先标准库而非自写代码、平台原生能力而非引依赖、一行而非五十行。支持强度档位：lite、full（默认）、ultra。适用于任何编码任务：编写、新增、重构、修复、审查、设计代码以及选择库或依赖。当用户说 ponytail、be lazy、lazy mode、最简方案、minimal solution、YAGNI、do less、shortest path，或抱怨过度设计、膨胀、模板代码、不必要的依赖时也应使用。不用于非编码请求（通识、文章、翻译、摘要、菜谱）。
io.github.compozy/compozy/writing-tech-post
端到端完成工程博客写作：发布深度解读、故障复盘、架构迁移、性能案例、教程、AI/agent 系统记录、安全披露，以及从研究到产品的转化文章。选对文章原型、规划抽象阶梯、遵循证据节奏（图示、基准测试、profile、trace、代码、消融实验），按 Datadog、Vercel、GitHub、AWS、Meta、Cloudflare、Jane Street 等发布方的行文风格校准语气，并在发布前用叙事推进与披露伦理两道门禁检查。在起草新的工程文章、重构成色平淡的初稿、判断某种证据该放在何处、校验技术深度与产品背景是否均衡，或为对外发布准备故障复盘、迁移、性能叙述时使用。不用于 API 参考文档、README、营销文案、release notes、泛 SEO 内容、代笔高管观点文章，以及非工程类长文。
io.github.aiskillstore/marketplace/backend-atomic-commit
面向 Django/Optimo 风格仓库的严格后端预提交与原子提交技能。强制本地 AGENTS.md / CLAUDE.md、pre-commit 钩子、.security/* 辅助工具以及 Monty 的后端工程品味——提交信息中不带 AI 签名。
io.github.Stirling-Tools/Stirling-PDF/ui-walkthrough
对当前分支功能做完整的 UI 调查。枚举每个视图与状态（空态、有数据、加载、错误、每个对话框/菜单/面板、响应式断点、浅色+暗色+RTL），用内置 Playwright 工装捕获，汇总为带全局明暗切换滑杆的单图 HTML 走查，随后跑两轮审查：视觉/一致性（对齐、间距、专业感、明暗一致、对比度、截断）与 UX/易用性（流程、可发现性、可供性、空态/错误态、预期）。当被要求做 UI 走查、截图审查、设计或 QA 巡检、「找出可以更易用/更好的地方」或前端工作合并前使用。加 --fix 自动应用安全的前端修复并重新捕获；--theme 限定主题；--no-rtl 跳过 RTL。
io.github.telagod/code-abyss/backend
从更强模型蒸馏的后端工程判断经验——在选择技术栈、语言、数据库、队列或架构时调用；在设计服务、API、业务逻辑或 schema 时；在让系统达到生产可用（可观测性、故障处理、安全）时；或评审服务端代码、判断代码库健康度时。包含场景化技术栈取舍、逻辑设计规则、数据纪律、生产底线，以及“腐烂目录”（代码不可维护的早期征兆）。
io.github.affaan-m/ECC/clickhouse-io
ClickHouse 数据库模式、查询优化、分析与数据工程最佳实践，适用于高性能分析型工作负载。
io.github.affaan-m/ECC/clickhouse-io
ClickHouse 数据库模式、查询优化、分析与数据工程最佳实践，适用于高性能分析型工作负载。
io.github.nexu-io/open-design/review-animations
依据 Emil Kowalski 设计工程理念形成的高标准审查动画与 motion 代码。默认从严标记问题，通过需靠实力赢得。
io.github.legioncodeinc/that-git-life/cursor-ide-stinger
让 cursor-ide-worker-bee 负责 Hivemind 的 Cursor 侧界面：Cursor 1.7+ 钩子框架（~/.cursor/hooks.json、6 类生命周期事件），由 src/cli/install-cursor.ts 完成装配；位于 harnesses/cursor/extension/ 的第一方 VS Code/Cursor 扩展；在 Cursor 中注册 Hivemind MCP 服务器（src/mcp/server.ts）；以及本仓库自带的 .cursor/ Bee Army 平台（.mdc 格式规则、agents、skills/Stingers、the-beekeeper/the-smoker 命令、model-comparison-matrix）。当任务涉及 Cursor 钩子装配、编写 .cursor/rules/*.mdc、在 Cursor 中注册 MCP、Cursor 扩展构建或 Army 的 .cursor/ 结构时使用。不用于 TS 源码质量（typescript-node-worker-bee）、server.ts 的 MCP 协议内部（mcp-protocol-worker-bee），或其他智能体的 harness 装配（harness-integration-worker-bee）。
io.github.DietrichGebert/ponytail/ponytail-review
审查 diff 中的过度工程。找出该删的东西：重复造的标准库、多余依赖、投机性抽象。每条发现一行。
io.github.rmyndharis/antigravity-skills/database-admin
资深数据库管理员，精通现代云数据库、自动化与可靠性工程。掌握 AWS/Azure/GCP 数据库服务、基础设施即代码、高可用、容灾恢复、性能优化与合规。处理多云策略、容器化数据库和成本优化。在数据库架构、运维或可靠性工程方面主动使用。
io.github.bytedance/deer-flow/blocking-io-guard
确保可能阻塞 asyncio 事件循环的异步路径后端代码，在 tests/blocking_io/ 受经实战检验的运行时锚点保护。在修改 app/、packages/harness/deerflow/ 或 scripts/ 下的后端 Python、对全仓库跑阻塞 IO 分诊轮次，或评审者/CI 要求阻塞 IO 覆盖时使用。执行确定性扫描（变更行或全仓库）、为每个候选项路由、起草/扩展锚点，并在阻塞 IO 回归时证明锚点会失败。
io.github.alirezarezvani/claude-skills/slo-architect
用于定义、评审或运维 SLO/SLI/错误预算。触发词包括「define an SLO」「what should our SLO be」「error budget」「burn rate」「SLI」「service level objective」「Google SRE workbook」「multi-window burn-rate alert」，或任何可靠性目标问题。附带 SLO 设计器、带多窗口燃烧率阈值的错误预算计算器，以及捕捉常见缺陷（目标过于激进、窗口过短、SLO 冲突、缺少 SLI 定义）的 SLO 评审器。4 份关于 SLO 原则+SLI 设计+错误预算数学+与 feature-flags-architect/chaos-engineering/kubernetes-operator 组合的参考文档。不是通用的可观测性技能——专注 SLO 这一学科。
io.github.affaan-m/ECC/workspace-surface-audit
审计当前活跃的仓库、MCP 服务器、插件、连接器、环境暴露面和工具配置，并推荐价值最高的 ECC 原生 skill、hook、代理与运维者工作流。当用户希望获得 Claude Code 配置帮助，或想了解自己环境中实际可用哪些能力时使用。
io.github.affaan-m/ECC/make-interfaces-feel-better
应用具体的设计工程细节，让界面显得更精致。在审查或改进 UI 间距、排版、边框、阴影、动效、点击热区、图标、文字换行和交互状态时使用。
io.github.HKUDS/CLI-Anything/reasonix-skill
当用户希望 Reasonix 为 GUI 应用或源码仓库构建、完善、测试或验证 CLI-Anything harness 时使用。将 CLI-Anything 方法论适配到 Reasonix,不改变生成的 Python harness 格式。
io.github.oracle-devrel/oracle-ai-developer-hub/taste-skill
资深 UI/UX 工程师角色：设计数字界面时覆盖 LLM 的默认偏好。强制执行基于度量规则、严格组件架构、CSS 硬件加速与均衡的设计工程。
io.github.HKUDS/CLI-Anything/codex-skill
当用户希望 Codex 为 GUI 应用或源码仓库构建、完善、测试、验证或列出 CLI-Anything harness 时使用。将完整的 CLI-Anything 方法论适配到 Codex,不改变生成的 Python harness 格式。
io.github.FerroxLabs/wayland/mobile-security-engineer
移动应用安全，涵盖证书绑定实现、安全的本地存储模式、越狱与 root 检测、代码混淆与防篡改、面向移动客户端的 API 安全、生物识别认证、安全密钥管理、网络安全、逆向工程防御，以及 OWASP MASVS 合规。当用户询问 mobile security engineer、mobile security engineer 最佳实践，或需要 mobile security engineer 实施指导时使用。当用户需要其他专项技能或涉及无关技术领域时请勿使用。