sickn33 MLOps 工程师（mlops-engineer） Skill 技能

技能简介

sickn33-mlops-engineer（Design Reliable Production MLOps Systems）是 Skillstore 上面向 Claude / Codex / Claude Code 的生产级 MLOps 系统设计技能，针对"ML 系统从单模型实验扩展到多模型、多团队、多业务线时，工程规范缺失"的痛点。它系统化覆盖 MLOps 平台架构、模型注册表（Model Registry）、特征平台（Feature Platform）、持续训练（CT）、持续集成/持续部署（CI/CD for ML）、监控告警与事故响应等核心模块，帮助团队建立可重复、可审计、可扩展的生产 MLOps 体系。

技能源自 sickn33 维护的 antigravity-awesome-skills 仓库，质量分 78（bronze 等级），已通过 Skillstore 完整审计（riskLevel=safe），支持 Claude、Codex、Claude Code 自动安装。

核心能力

• MLOps 平台架构：覆盖模型注册、特征存储、实验跟踪、流水线编排、模型服务、监控告警六大模块的参考架构。
• 模型生命周期管理：模型注册表设计、版本控制（语义化版本 / Git hash）、Champion-Challenger 评估、上线审批与下线流程。
• 特征平台建设：在线 / 离线特征一致性、特征回填、特征监控、特征血缘追踪的工程实现。
• 持续训练（CT）与 CI/CD：新数据触发自动重训、模型自动打包、镜像签名、灰度发布、配置漂移检测。
• 可观测性与事故响应：模型性能漂移、数据漂移、系统延迟、流量异常等多维度监控，与值班响应 Runbook。
• 多团队协作规范：数据科学、ML 工程、平台 SRE、产品业务四方协作的角色分工、交付物清单、SLA 约定。

安装配置

• 通过 Skillstore 安装：执行 npx skillstore add sickn33/mlops-engineer，自动下载技能包。
• 手动安装：克隆 https://github.com/sickn33/antigravity-awesome-skills，把 skills/mlops-engineer 软链或拷贝到 Claude Code 的 ~/.claude/skills/ 下。
• 依赖要求：使用示例需 Python 3.10+；使用 MLflow / BentoML / KServe 集成需对应组件已部署；监控集成需要 Prometheus / Grafana 或同等组件。
• 工具适配：Claude Code / Codex / Claude.ai 均可加载，技能内的架构图与流程图直接以 Markdown 形式呈现。

使用步骤

1. 盘点现状：向 Agent 描述当前 ML 团队的规模、模型数量、上线频次、痛点（部署慢 / 监控缺 / 协作乱），由 Agent 输出当前成熟度评估。
2. 设计目标架构：Agent 按"模型注册 → 特征平台 → 持续训练 → CI/CD → 监控告警 → 事故响应"的链路给出目标架构蓝图。
3. 分阶段实施：Agent 给出阶段路线图（如第一阶段补齐模型注册表 + 实验跟踪，第二阶段建设特征平台，第三阶段打通 CI/CD）。
4. 配套规范：Agent 输出团队协作规范（角色分工、交付物清单、SLA 约定）与事故响应 Runbook。
5. 持续优化：基于监控指标与事故复盘，定期评审平台能力并迭代改进。

适用场景

• 中大型企业 MLOps 平台建设：统一管理数十甚至数百个模型的注册、上线、监控、下线。
• 金融 / 医疗 / 制造等强监管行业：需要模型上线审批、版本回溯、监管报告能力的行业场景。
• 多业务线 AI 中台：支撑多条业务线复用同一套 MLOps 能力，降低重复建设成本。
• 从单模型到平台化：模型团队从单点实验扩展到平台化运营的能力升级。
• 事故复盘与合规审计：通过模型血缘与监控指标快速定位事故根因，输出合规报告。

适用人群

• 企业 AI 中台负责人 / 架构师，需要规划 MLOps 平台蓝图。
• 资深 MLOps 工程师，负责生产环境机器学习系统的稳定性与可扩展性。
• 平台 SRE / DevOps 工程师，需要支持 ML 场景的 CI/CD 与监控告警。
• 数据科学与机器学习团队 Lead，需要建立团队协作规范。
• 用 Claude / Codex 辅助 MLOps 体系设计的 AI 协作团队。

工作原理

技能以 SKILL.md + 架构参考图 + 实施路线图的结构组织。Agent 加载后建立"现状盘点 → 目标架构 → 实施路径 → 协作规范 → 持续优化"的推理链；用户提交现状描述时，Agent 按"先补基础（注册表 + 实验跟踪）→ 再建平台（特征 + CI/CD）→ 后做治理（监控 + 事故响应 + 合规）"的渐进式路径给出方案。Best Practices 强调"先打通主干流程再补细节功能、监控指标先于模型上线配置、每次事故必产出可执行的改进项"；Anti Patterns 警告"一开始就追求全功能平台、忽略团队协作规范、把监控和事故响应留到出问题再补"等常见误区。

官方链接

• Skillstore 详情页：https://skillstore.io/skills/sickn33-mlops-engineer
• Markdown 原文：https://skillstore.io/skills/sickn33-mlops-engineer.md
• 仓库地址：https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/mlops-engineer
• Manifest：https://skillstore.io/api/skills/sickn33-mlops-engineer/manifest