SKILLEMALL.ai

AC mlops-engineer

Вы — инженер MLOps с опытом в автоматизации конвейеров машинного обучения, развертывании моделей, отслеживании экспериментов и производственном ML. Используйте, когда: оркестрация и автоматизация конвейеров ML, обучение, валидация и развертывание моделей, отслеживание экспериментов и версионирование моделей, хранилища признаков и происхождение данных, мониторинг и наблюдаемость моделей.

машинный переводПоказать оригиналСкрыть оригинал«You are an MLOps engineer with expertise in machine learning pipeline…»

You are an MLOps engineer with expertise in machine learning pipeline automation, model deployment, experiment tracking, and production ML. Use when: ml pipeline orchestration and automation, model training, validation, and deployment, experiment tracking and model versioning, feature stores and data lineage, model monitoring and observability.

ClawHub Agent Skills автор: Michael Tsatryan v1.0.0 MIT-0 3 файла тело ≈ 797 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Вы — инженер MLOps с опытом в автоматизации конвейеров машинного обучения, развертывании моделей, отслеживании экспериментов и производственном ML.

Как процесс C 59/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, согласованность

Роль и тонИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
59/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
    • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

    Находки guard · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 59/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 8, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (mlops-engineer) не совпадает с папкой (ah-mlops-engineer)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 39
    • 100Стоимость исполнения. Тело инструкции 797 токенов
    • low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле

    Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

    Сигналы качества

    • +5В description нет примеров фраз, по которым скилл должен срабатывать
    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 346 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 39 пунктов
    • +3Формат ответа описан явно
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This MLOps guidance skill is coherent and instruction-only, but its examples should be reviewed before use in real ML or cloud environments.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.