运维生成
- 作者仓库星标 0
- 作者更新于 实时读取
- 作者仓库 skills-registry
- 领域
- 运维部署
- 兼容 Agent
-
- Claude Code
- Cursor
- Cline
- Codex
- Windsurf
- Gemini CLI
- +20
- 信任分
- 88 / 100 · 社区维护
- 作者 / 版本 / 许可
- @tomevault-io · 未声明 license
- Token 消耗评级
- 低消耗
- 接入复杂程度
- 需简单配置
- 是否需要外部 API Key
- 不需要
- 兼容的系统
- Docker
- 底层运行要求
- Docker
- 文件与系统权限
-
- 只读
- 允许写入 / 修改
- 网络行为
- 允许外网请求
- 安装命令数
- 26 条
档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。
需要注意： 未限定 allowed-tools，默认拥有全部工具权限。
---
name: deploying-machine-learning-models
description: | Use when this capability is needed. This skill streamlines the process of deploying machine le…
category: 运维部署
runtime: Docker
---
# deploying-machine-learning-models 输出预览
## PART A: 任务判断
- 适用问题：部署、CI、环境检查、发布或运维排障。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“Overview / How It Works / When to Use This Skill”读取原文规则，不把推断写成作者承诺。
## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于部署、CI、环境检查、发布或运维排障，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“Overview / How It Works / When to Use This Skill”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、会按任务需要访问外部网络、通常不需要额外 API Key 给出执行前确认项。
## Running Rules
- 读取文件、写入/修改文件；会按任务需要访问外部网络；通常不需要额外 API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。原文没有稳定的斜杠命令要求。安装验证后通常全局生效，直接在对话里点名这个 Skill 并描述任务即可。
告诉 Agent 目标文件或材料、期望结果、不可改范围、是否允许联网或执行命令。本 Skill 的权限画像是：读取文件、写入/修改文件。
先用一个小任务确认它会围绕“Overview / How It Works / When to Use This Skill”工作；涉及文件或命令时，先看 diff、日志、预览或测试结果。
检查最终产物是否包含明确结果、必要证据和下一步动作；如果输出泛泛而谈，就补充输入、边界和验收标准后重跑。
---
name: deploying-machine-learning-models
description: | Use when this capability is needed. This skill streamlines the process of deploying machine le…
category: 运维部署
source: tomevault-io/skills-registry
---
# deploying-machine-learning-models
## 什么时候使用
- 把部署运维方向的常用动作沉淀成 Agent 可调用的技能 适合处理部署、CI、发布、回滚、环境检查和运维排障，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查、可继续迭代的步骤…
- 面向部署、CI、环境检查、发布或运维排障，优先处理能明确输入、步骤和验收标准的工作。
## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。
## 执行规则
- 围绕「Overview / How It Works / When to Use This Skill」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件；会按任务需要访问外部网络；通常不需要额外 API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。
## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。
skill "deploying-machine-learning-models" {
输入层 -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
上下文层 -> Overview / How It Works / When to Use This Skill
规则层 -> SKILL.md 触发条件 / 执行顺序 / 输出格式
运行层 -> Docker | 读取文件、写入/修改文件 | 会按任务需要访问外部网络
安全层 -> 通常不需要额外 API Key + 小任务验证 + diff / 日志复核
输出层 -> 可复制结果 + 检查清单 + 下一步迭代
}Overview
This skill streamlines the process of deploying machine learning models to production, ensuring efficient and reliable model serving. It leverages automated workflows and best practices to simplify the deployment process and optimize performance.
How It Works
- Analyze Requirements: The skill analyzes the context and user requirements to determine the appropriate deployment strategy.
- Generate Code: It generates the necessary code for deploying the model, including API endpoints, data validation, and error handling.
- Deploy Model: The skill deploys the model to the specified production environment.
When to Use This Skill
This skill activates when you need to:
- Deploy a trained machine learning model to a production environment.
- Serve a model via an API endpoint for real-time predictions.
- Automate the model deployment process.
Examples
Example 1: Deploying a Regression Model
User request: "Deploy my regression model trained on the housing dataset."
The skill will:
- Analyze the model and data format.
- Generate code for a REST API endpoint to serve the model.
- Deploy the model to a cloud-based serving platform.
Example 2: Productionizing a Classification Model
User request: "Productionize the classification model I just trained."
The skill will:
- Create a Docker container for the model.
- Implement data validation and error handling.
- Deploy the container to a Kubernetes cluster.
Best Practices
- Data Validation: Implement thorough data validation to ensure the model receives correct inputs.
- Error Handling: Include robust error handling to gracefully manage unexpected issues.
- Performance Monitoring: Set up performance monitoring to track model latency and throughput.
Integration
This skill can be integrated with other tools for model training, data preprocessing, and monitoring.
Source: ComeOnOliver/skillshub — distributed by TomeVault.
先判断是否适合
作者设计意图
作者的方法与取舍
边界和复核