技能 ml-expert

📦

ml-expert

Name: ml-expert
Author: DNYoussef

内容修订 r1 安全 ⚙️ 外部命令

使用 ML 专家构建 PyTorch 模型

机器学习实现通常需要将架构、训练和验证选择协同对齐。该技能为 Claude、Codex 和 Claude Code 提供面向 PyTorch 交付的专家工作流。

支持: Claude Codex Code(CC)

🥉 78 青铜

使用我的智能体安装

将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。

智能体请求

Review the Skillstore skill "ml-expert" from https://skillstore.io/skills/dnyoussef-ml-expert.md and its manifest at https://skillstore.io/api/skills/dnyoussef-ml-expert/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

你的智能体仍应展示其计划，并按安全策略请求必要确认。

Agent 可读资源

当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。

Markdown 详情 GET /skills/dnyoussef-ml-expert.md 已签名 manifest GET /api/skills/dnyoussef-ml-expert/manifest 已签名 lockfile GET /api/skills/dnyoussef-ml-expert/lockfile

测试它

正在使用“ml-expert”。实现一个参数预算为 2500 万的紧凑型 transformer。

预期结果:

一份组件计划，包含嵌入、transformer 层、头部和估算参数。
一份测试计划，覆盖形状检查、梯度流、参数数量和集成行为。
一份交付摘要，列出模型文件、验证状态和性能备注。

正在使用“ml-expert”。自适应计算头始终报告零方差。

预期结果:

一份面向诊断的实现计划，覆盖损失计算和校准行为。
一份测试策略，用于检查非零方差并验证训练在没有警告的情况下继续进行。
对已更改训练目标和预期权衡的简明说明。

正在使用“ml-expert”。在不增加内存使用的情况下减少推理时间。

预期结果:

一份按优先级排序的优化检查清单，涵盖编译、批处理、缓存和张量操作。
基准测试指导，用于在相同硬件设置下比较基线延迟和优化后延迟。
关于数值稳定性和行为保留的风险说明。

安全审计

安全

v8 • 2026/7/5 打开版本化报告

AI review found the static alerts are false positives caused by Markdown code fences, inline code references, and normal ML terminology. No evidence found of Ruby or shell backtick execution, network reconnaissance, data exfiltration, prompt injection, or malicious intent in the scanned files.

已扫描文件

878

分析行数

复核项

已忽略误报

风险因素

⚙️ 外部命令 (50)

最新一次完成的静态与语义审计未检测到已确认的安全发现。这并不能证明该 Skill 没有副作用。

审计者: codex 查看审计历史 →

分享与引用此报告

分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。

打开版本化报告

复制报告链接

https://skillstore.io/skills/dnyoussef-ml-expert/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdown 徽章

[![Skillstore security assessment](https://skillstore.io/badges/skills/dnyoussef-ml-expert/security.svg)](https://skillstore.io/skills/dnyoussef-ml-expert?utm_source=security_passport_badge)

HTML 徽章

<a href="https://skillstore.io/skills/dnyoussef-ml-expert?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/dnyoussef-ml-expert/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

嵌入卡片

<iframe src="https://skillstore.io/embed/skills/dnyoussef-ml-expert.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

学术引用 (APA · BibTeX · CFF)

APA 引用

DNYoussef. (2026). ml-expert security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/dnyoussef-ml-expert/audits/8

BibTeX 引用

@techreport{dnyoussef-dnyoussef-ml-expert-2026,
  author = {DNYoussef},
  title = {ml-expert security audit report (audit version 8)},
  institution = {Skillstore},
  year = {2026},
  number = {8},
  url = {https://skillstore.io/skills/dnyoussef-ml-expert/audits/8},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "ml-expert security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
  - name: "DNYoussef"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/dnyoussef-ml-expert/audits/8"
identifiers:
  - type: other
    value: "skillstore:dnyoussef-ml-expert:audit:8"
    description: "Skillstore immutable audit report identifier"

Skillstore 评分

评分依据证据置信度: 高

架构

可维护性

内容

社区

规范符合性

你能构建什么

实现新的模型架构

将架构需求转化为包含模块、配置、测试和文档的 PyTorch 实现计划。

修复训练行为

在诊断后对训练组件应用有针对性的修复，然后定义用于确认问题已解决的测试。

准备生产级 ML 代码

在集成前审查模型代码的性能、内存使用、测试覆盖率和交付就绪度。

试试这些提示

创建入门模型

为 [task] 设计一个 PyTorch 模型。包括模块结构、配置字段、预期输入和基础测试。

修复训练不稳定

我的模型在训练期间出现 [symptom]。请审查可能原因、提出修复方案，并定义验证测试。

优化推理性能

针对 [latency or memory target] 优化此 PyTorch 模型。保留行为并包含基准测试指导。

实现研究架构

根据 [paper or notes] 实现架构，并满足 [parameter budget]、[hardware limit] 和完整测试要求。

最佳实践

在请求实现前提供架构约束、硬件限制和预期输入。
要求测试覆盖形状、梯度、集成和参数数量。
在使用真实数据训练或部署模型前，在本地审查生成的更改。

避免

不要在没有参数预算或目标硬件的情况下请求大型架构更改。
不要在缺少可复现基准测试设置的情况下接受性能声明。
不要跳过针对梯度流、检查点加载以及训练或评估模式行为的测试。

常见问题

该技能专注于哪些框架？

它专注于 PyTorch 模型实现、训练循环、优化和测试实践。

它可以实现研究论文中的模型吗？

可以，前提是你提供足够的架构细节、约束和预期行为。

该软件包包含可执行模板吗？

不可以。经审计的软件包仅包含技能说明和专家提示词。

它可以调试失败的训练运行吗？

它可以根据诊断结果实现修复，并定义用于确认修复的测试。

它能保证生产就绪吗？

不可以。你仍然需要本地审查、依赖项检查、测试和部署验证。

哪些 AI 工具可以使用它？

报告列出了对 Claude、Codex 和 Claude Code 的支持。

开发者详情

作者

DNYoussef

许可证

MIT

Skillstore 修订

版本提示

作者未声明版本。

仓库

https://github.com/DNYoussef/ai-chrome-extension/tree/main/.claude/skills/ml-expert

引用

c579efd02184f1128d6741d16e6c8d951d7d4208

维护新鲜度

2026/7/18

使用量

4 次下载 · 209 次浏览

文件结构

📁 agents/

📄 ml-expert-specialist.prompt

📄 SKILL.md