📦
prompt-engineering-patterns
86最佳化生產環境 LLM 提示
LLM 提示經常失敗，是因為指令、範例和評估標準不清楚。此技能提供範本與工作流程，用於改進 Claude、Codex、Claude Code 及類似工具中的提示。
Productivity View
Skills ml-pipeline-workflow
📦
ml-pipeline-workflow
Content revision r1 Safe ⚙️ External commands
打造可靠的 ML 管線
當訓練、驗證、部署與監控被分開處理時，ML 專案通常容易失敗。此技能協助團隊設計可重現的 MLOps 工作流程，並具備清楚的階段與控制機制。
Supports: Claude Codex Code(CC)
Install with my Agent
Copy this request to your Agent. It includes the canonical Skill page and manifest.
Agent request
Review the Skillstore skill "ml-pipeline-workflow" from https://skillstore.io/skills/wshobson-ml-pipeline-workflow.md and its manifest at https://skillstore.io/api/skills/wshobson-ml-pipeline-workflow/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Your Agent should still show its plan and request any confirmation required by the security policy.
Agent-readable resources
Use these links when an AI agent, crawler, or script needs clean context instead of reading the full page.
Test it
Using "ml-pipeline-workflow". 為每週流失模型訓練設計管線。
Expected outcome:
一個分階段工作流程，包含資料擷取、驗證、特徵產生、排程訓練、基準比較、登錄核准、批次部署與漂移監控。
Using "ml-pipeline-workflow". 在生產部署前審查我們的管線。
Expected outcome:
- 在特徵產生前新增明確的資料品質檢查。
- 要求模型與固定基準進行比較。
- 為延遲、準確率與漂移定義 rollback 觸發條件。
Using "ml-pipeline-workflow". 協助選擇 Kubernetes 的編排方法。
Expected outcome:
一項建議，會根據團隊技能、部署目標、成品追蹤與營運複雜度，權衡 Kubeflow、Dagster 與 Airflow。
Security Audit
Safev8 • 7/7/2026 Open versioned report
All nine static findings are false positives caused by Markdown inline code or fenced examples in SKILL.md. I found no prompt injection, data exfiltration intent, or unsafe external command behavior in the reviewed skill text.
1
Files scanned
246
Lines analyzed
0
Review items
0
False positives ignored
Risk Factors
⚙️ External commands (9)
No confirmed security findings were detected by the latest completed static and semantic audit. This does not prove the skill has no side effects.
Audited by: codex View Audit History →
Share & cite this report
Share the versioned assessment report, neutral badge, embed card, and citations. Skillstore reports evidence without deciding whether this Skill is safe.
Copy report link
https://skillstore.io/skills/wshobson-ml-pipeline-workflow/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown badge
[](https://skillstore.io/skills/wshobson-ml-pipeline-workflow?utm_source=security_passport_badge)HTML badge
<a href="https://skillstore.io/skills/wshobson-ml-pipeline-workflow?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/wshobson-ml-pipeline-workflow/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Embed card
<iframe src="https://skillstore.io/embed/skills/wshobson-ml-pipeline-workflow.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Academic citations (APA · BibTeX · CFF)
APA citation
wshobson. (2026). ml-pipeline-workflow security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/wshobson-ml-pipeline-workflow/audits/8BibTeX citation
@techreport{wshobson-wshobson-ml-pipeline-workflow-2026,
author = {wshobson},
title = {ml-pipeline-workflow security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/wshobson-ml-pipeline-workflow/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-pipeline-workflow security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
- name: "wshobson"
date-released: "2026-07-07"
url: "https://skillstore.io/skills/wshobson-ml-pipeline-workflow/audits/8"
identifiers:
- type: other
value: "skillstore:wshobson-ml-pipeline-workflow:audit:8"
description: "Skillstore immutable audit report identifier"
Compare variants
2 installable variantsEach author remains a separate installable skill. The recommended variant is ranked by Skillstore evidence.
Why this variant is first
Highest Skillstore Score
Author / source Skillstore Score Evidence Confidence Skillstore usage Updated
wshobson-ml-pipeline-workflow
Skillstore Score 79
Evidence Confidence High
Skillstore usage 17
Updated
2026-09-09
sickn33-ml-pipeline-workflow
Skillstore Score 78
Evidence Confidence High
Skillstore usage 17
Updated
2026-09-09
Skillstore Score
Why this score Evidence Confidence: High 55
Architecture
85
Maintainability
87
Content
70
Community
91
Spec Compliance
What You Can Build
設計新的 ML 工作流程
在實作開始前，規劃階段、依賴關係、驗證關卡與部署路徑。
標準化 MLOps 實務
為可重現訓練、資料版本控管、實驗追蹤與回復規劃建立共用指引。
審查生產就緒度
檢查現有 ML 管線是否缺少驗證、監控、推出與失敗處理實務。
Try These Prompts
規劃基本管線
協助我為專案設計一個簡單的 ML 管線。包含資料準備、訓練、驗證、部署與監控階段。
選擇編排工具
針對此 ML 管線比較 Airflow、Dagster、Kubeflow 與 Prefect。根據我的團隊和基礎設施推薦一個選項。
新增驗證關卡
審查我的 ML 工作流程，並針對資料品質、模型效能、迴歸檢查與部署核准提出驗證關卡。
規劃生產推出
為此模型管線設計生產推出計畫。包含 canary release、rollback 觸發條件、監控指標與事故回應步驟。
Best Practices
- 將每個管線階段定義為可獨立測試的單元。
- 一起版本控管資料、程式碼、設定、模型與評估結果。
- 在生產流量變更前使用自動化驗證與 rollback 條件。
Avoid
- 在沒有基準比較或效能迴歸檢查的情況下部署模型。
- 在沒有清楚權責歸屬的情況下混合訓練邏輯、服務邏輯與特徵轉換。
- 依賴人工核准，卻沒有記錄指標、門檻與 rollback 步驟。
Frequently Asked Questions
此技能會建立完整的 MLOps 平台嗎？
否。它提供規劃指引與工作流程結構。實作仍需要專案專屬的程式碼與基礎設施。
它討論哪些編排工具？
它將 Airflow、Dagster、Kubeflow Pipelines 與 Prefect 作為可能的編排選擇。
它能協助資料準備嗎？
可以。它涵蓋驗證、特徵工程、資料集版本控管、譜系，以及訓練-驗證-測試切分規劃。
它包含部署策略嗎？
可以。它討論 shadow deployment、canary release、blue-green deployment、rollback 機制與生產監控。
這適合受監管的 ML 系統嗎？
它可以支援規劃，但受監管系統需要額外的合規、稽核、隱私與治理審查。
已審閱的技能會執行命令嗎？
未找到證據。已審閱的檔案是文件，且不包含可執行的命令執行器。
Developer Details
Author
wshobsonLicense
MIT
Skillstore revision
r1
Version notice
The author did not declare a version.
Ref
36e07d5e13068e5be64447e8f20b427cf2cbd21a
Maintenance freshness
7/18/2026
Usage
9 downloads · 184 views
File structure
📄 SKILL.md
More from wshobson
View all📦
context-driven-development
81管理情境驅動開發
當產品目標、技術堆疊選擇和工作流程規則分散各處時，AI 輔助專案會失去一致性。此技能會透過 Conductor 情境成品，引導 Claude、Codex 和 Claude Code。
Coding & Development View
📦
startup-financial-modeling
80建立新創財務模型
新創團隊在規劃招募、募資和現金使用之前，需要清楚的預測。此技能會將收入、成本、現金續航期和情境整理成實用的財務規劃輸出。
Data & Analytics View
📦
kpi-dashboard-design
79設計能推動決策的 KPI 儀表板
團隊經常建立顯示許多數字但無法引導行動的儀表板。此技能可協助 Claude、Codex 和 Claude Code 選擇有意義的 KPI、組織檢視畫面，並清楚呈現指標。
Design & Creative View
📦
postmortem-writing
79撰寫無責備事故事後檢討
事故檢討常常變得不一致、偏向究責，或難以採取行動。此技能可協助 Claude、Codex 和 Claude Code 草擬結構化事後檢討，包含清楚的時間軸、根本原因與負責人。
Writing & Content View
📦
data-storytelling
79建立清晰的資料故事
原始指標通常難以說服利害關係人或支援決策。這項技能可協助 Claude、Codex 和 Claude Code 將分析整理成清晰的敘事、視覺化內容與建議。
Data & Analytics View
Related Skills
View all📦
modelarts-skill
80管理 Huawei Cloud ModelArts 作業
by modelarts-agent
ModelArts 團隊需要針對 Notebook、訓練作業、推論服務與雲端資源取得安全且可重複的協助。此技能會將請求導向專注的 ModelArts 模組，並回傳作業結果。
DevOps & Infrastructure View
📦
hugging-face-cli
79透過 CLI 管理 Hugging Face Hub
by sickn33
Hugging Face Hub 工作通常需要許多精確的 CLI 命令。此技能協助使用者為下載、上傳、儲存庫、快取、端點和作業選擇 hf 命令。
DevOps & Infrastructure View
📦
senior-ml-engineer
81建置生產級 ML 與 RAG 系統
by davila7
生產級 ML 系統難以一致地設計、部署及監控。此技能可協助 MLOps、LLM 整合、RAG 架構及本機工作流程骨架建立。
Data & Analytics View
📦
pytdc
82使用 PyTDC 分析治療性 ML 資料集
by K-Dense-AI
藥物探索團隊需要可靠的資料集與公平的評估協定。此技能可協助 Claude 使用 PyTDC 取得精選的治療性 ML 資料、基準切分、指標與分子 oracle。
Data & Analytics View
📦
slash-command-encoder
82為 AI 工作流程建立斜線命令
by DNYoussef
當使用者依賴冗長的自然語言提示時，重複性的 AI 工作流程會變得緩慢。此技能可協助定義精簡的斜線命令，並包含路由、驗證、鏈接和說明文字。
Productivity View
📦
micro-skill-creator
82建立聚焦的 AI 微技能
by DNYoussef
可重複使用的 AI 工作流程常常變得過於寬泛且難以測試。此技能可協助定義聚焦的技能，並包含專家提示詞、合約與驗證計畫。
Productivity View