📦
content-creator
88创建品牌一致的营销内容
营销团队需要在各个渠道保持一致的内容。此技能可帮助规划、撰写、分析和优化内容，使其符合品牌语调和 SEO 要求。
写作与内容 查看
技能 mlops-engineer
📦
mlops-engineer
内容修订 r2 安全 ⚙️ 外部命令
构建生产级 MLOps 管道
ML 团队需要从实验到生产的可靠路径。此技能可指导现代 MLOps 技术栈中的管道、注册表、部署自动化和监控。
支持: Claude Codex Code(CC)
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 "mlops-engineer" from https://skillstore.io/skills/sickn33-mlops-engineer.md and its manifest at https://skillstore.io/api/skills/sickn33-mlops-engineer/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。
测试它
正在使用“mlops-engineer”。 为自动化再训练和部署设计 AWS MLOps 平台。
预期结果:
- 涵盖 SageMaker Pipelines、S3、Model Registry、ECR、IAM、CloudWatch 和 EventBridge 的参考架构。
- 具有明确所有权的训练、验证、审批、部署、监控和回滚阶段。
- 针对最小权限、加密、网络边界、密钥和审计日志的安全控制。
正在使用“mlops-engineer”。 帮助检测生产中的漂移和模型退化。
预期结果:
- 针对输入漂移、预测分布变化、数据质量、延迟、错误和业务指标的监控计划。
- 告警阈值、仪表板分区、响应步骤和再训练触发器。
- 针对 Evidently、Prometheus、Grafana 和云监控服务等工具的建议。
正在使用“mlops-engineer”。 为模型部署创建 GitOps 工作流。
预期结果:
- 分支策略、注册表晋级、清单更新、审查关卡和部署自动化步骤。
- 与模型质量、服务健康状况和运营指标关联的金丝雀与回滚计划。
- 用于可复现性、审批、制品可追溯性和环境一致性的检查清单。
安全审计
安全v5 • 2026/8/4 打开版本化报告
Both static findings are false positives caused by ordinary Markdown prose: a relative document reference and an Azure Event Grid mention. No executable command, reconnaissance instruction, prompt injection, or other intent-level security concern was found.
1
已扫描文件
223
分析行数
0
复核项
0
已忽略误报
风险因素
⚙️ 外部命令 (1)
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。
复制报告链接
https://skillstore.io/skills/sickn33-mlops-engineer/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/sickn33-mlops-engineer?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/sickn33-mlops-engineer?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-mlops-engineer/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/sickn33-mlops-engineer.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
sickn33. (2026). mlops-engineer security audit report (audit version 5) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-mlops-engineer/audits/5BibTeX 引用
@techreport{sickn33-sickn33-mlops-engineer-2026,
author = {sickn33},
title = {mlops-engineer security audit report (audit version 5)},
institution = {Skillstore},
year = {2026},
number = {5},
url = {https://skillstore.io/skills/sickn33-mlops-engineer/audits/5},
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: "mlops-engineer security audit report (audit version 5)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-08-04"
url: "https://skillstore.io/skills/sickn33-mlops-engineer/audits/5"
identifiers:
- type: other
value: "skillstore:sickn33-mlops-engineer:audit:5"
description: "Skillstore immutable audit report identifier"
Skillstore 评分
评分依据 证据置信度: 高 55
架构
85
可维护性
87
内容
69
社区
83
规范符合性
你能构建什么
设计云端 MLOps 平台
为单一云提供商上的训练、注册表工作流、部署、监控和治理规划完整平台。
自动化模型晋级
为受控模型发布创建审批关卡、验证检查、注册表阶段和回滚计划。
改进生产可观测性
为 ML 系统定义漂移检测、数据质量检查、服务指标、告警、仪表板和成本监控。
试试这些提示
开始制定 MLOps 计划
帮我为一个每周训练并提供实时预测服务的模型设计 MLOps 计划。包括工具、阶段和风险。
选择管道工具
为我们的 ML 工作流比较 Kubeflow、Airflow、Prefect 和托管云管道。根据团队规模和 Kubernetes 经验推荐一个方案。
构建发布工作流
设计一个模型发布工作流，包括实验跟踪、注册表阶段、验证检查、金丝雀部署、监控和回滚标准。
设计受监管的 MLOps
设计一个符合 HIPAA 要求的 MLOps 平台，包含血缘关系、访问控制、密钥管理、审计跟踪、漂移监控和灾难恢复。
最佳实践
- 共享云提供商、合规要求、预期规模、数据敏感性和团队运营模式。
- 在每个生产工作流中要求验证关卡、回滚计划、监控指标和所有权边界。
- 与安全、平台和数据治理团队一起审查生成的基础设施和部署计划。
避免
- 不要在缺少注册表元数据、审批历史或回滚标准的情况下部署模型。
- 不要在缺少明确访问边界的情况下混用训练、服务和监控凭据。
- 不要在定义工作流规模、所有权和运营约束之前选择编排工具。
常见问题
此技能帮助构建什么？
它帮助设计 ML 管道、实验跟踪、模型注册表、部署工作流、监控和治理流程。
它覆盖哪些平台？
它覆盖 AWS、Azure、GCP、Kubernetes、Kubeflow、MLflow、Airflow、Prefect、Dagster、DVC 及相关 MLOps 工具。
它能生成生产就绪的基础设施吗？
它可以指导基础设施设计和实施步骤，但工程师必须在生产使用前测试并调整生成的制品。
它是否支持受监管环境？
是的。它包含访问控制、加密、血缘关系、审计跟踪、审批关卡和合规感知运营方面的指导。
哪些输入能改进输出？
提供模型类型、数据源、云提供商、部署目标、规模、延迟目标、合规需求和现有工具。
它能取代 MLOps 团队吗？
不能。它支持规划和实施工作，但经验丰富的工程师必须负责生产决策和运营。
开发者详情
作者
sickn33许可证
MIT
Skillstore 修订
r2
版本提示
作者未声明版本。
引用
81e05e636292629114b76cbb3922fbe57672fc02
维护新鲜度
2026/8/5
使用量
11 次下载 · 116 次浏览
文件结构
📄 SKILL.md
sickn33 的更多技能
查看全部📦
prompt-engineering-patterns
85用成熟模式改进 LLM 提示词
不一致的提示词会浪费时间，并让 AI 输出难以信任。此技能通过可复用模式、示例、评估步骤和优化工作流来指导提示词设计。
效率 查看
📦
senior-architect
81设计可扩展的软件架构
在 Web、移动端、后端和云系统之间比较架构决策并不容易。此技能为报告、依赖项审查和权衡文档提供结构化指南与本地脚手架脚本。
编码与开发 查看
📦
senior-fullstack
81使用资深级模式构建全栈应用
团队需要针对现代 Web 应用的一致设置、架构和审查指导。此技能为 React、Next.js、Node.js、GraphQL 和 PostgreSQL 项目提供脚手架工具、工作流参考和质量提示。
编码与开发 查看
📦
prompt-engineer
81使用 Prompt Engineer 优化 AI 提示词
当目标模糊或复杂时，编写清晰的提示词很困难。此技能会使用经过验证的提示词框架，将粗略请求转化为结构化提示词。
效率 查看
📦
product-manager-toolkit
80利用研究洞察优先安排产品工作
产品团队需要更快的方法来对功能排序、综合访谈内容并记录决策。此技能提供 RICE 评分、访谈分析和 PRD 模板，用于结构化规划。
效率 查看
相关技能
查看全部📦
ml-pipeline-workflow
79构建可靠的 ML 流水线
由 wshobson
当训练、验证、部署和监控被分开处理时，ML 项目往往会失败。此技能帮助团队设计具有清晰阶段和控制措施的可复现 MLOps 工作流。
DevOps 与基础设施 查看
📦
appinsights-instrumentation
84使用 Application Insights 检测 Azure 应用
由 microsoft
为 Azure 托管的应用添加可靠遥测，在不同框架和部署模型中可能很困难。此技能提供简明的 Application Insights 设置指导、SDK 参考和 Azure 配置模式。
DevOps 与基础设施 查看
📦
modelarts-skill
80管理华为云 ModelArts 运维操作
由 modelarts-agent
ModelArts 团队需要针对 Notebook、训练作业、推理服务和云资源的安全、可重复协助。此技能会将请求路由到专门的 ModelArts 模块，并返回运维结果。
DevOps 与基础设施 查看
📦
python-observability-patterns
79添加 Python 可观测性模式
由 0xDarkMatter
Python 服务通常缺少一致的日志、指标和追踪模式。此技能为生产应用提供实用的 structlog、Prometheus 和 OpenTelemetry 示例。
DevOps 与基础设施 查看
📦
project-operator
79安全操作本地项目栈
由 ACSKamloops
当日志、服务和配置变更处理顺序不当时，本地开发栈可能很难调试。此技能指导 Claude、Codex 和 Claude Code 先检查证据，再说明安全的操作步骤。
DevOps 与基础设施 查看
📦
latency-tracker
79使用 Span 指导跟踪 MEV 延迟
由 BarisSozen
MEV 系统中的延迟问题很难跨调用和交易阶段进行隔离。此技能可指导 span 层级结构、埋点、聚合和告警阈值。
DevOps 与基础设施 查看