把模型活儿从 notebook 拽进生产:24万 Star 的 ECC 里这个 mle-workflow,真的把 ML 当工程做了

跑模型的痛点,90% 不是模型不行,是「昨天能跑今天跑不通」「线上线下指标对不上」「出问题了不知道回滚哪个版本」。Notebook 里调通的东西,丢到生产就崩——这事我见过太多次了。

如果你正在被这些问题折磨,那 affaan-m/ECC 仓库里这个 mle-workflow Skill 值得收藏。它来自那个已经 24 万 Star、被 Anthropic Hackathon 评了冠军的开源 Agent 操作系统 ECC,定位就是「把模型活儿从 notebook 拽进生产」。

这个 Skill 解决什么具体问题

它不教你怎么调参,而是逼你把模型工作变成一个有「契约、有评审、有监控」的工程系统。SKILL.md 里写得很清楚:用数据契约锁住特征和标签的时间点,用评估脚本锁住上线门槛,用灰度 / Canarying / 回滚方案锁住线上行为。十类典型 MLE 任务,从「定义一个模糊的预测能力」到「设计模型晋升标准」,每条都告诉你该用哪些 SWE 子工作流配对。

为什么比一般 ML 教程强

• 反对「one-size-fits-all」:不要每个模型都上 Feature Store + GPU + 在线 A/B,它明确说轻量项目写个数据契约 + 评估脚本 + 回滚注释就够了。
• 把 MLE 当 SWE 的子集:它强迫你复用 TDD、code-review、eval-harness、security-scan 这些已有的工程流程,而不是另起一套 MLOps 烟囱。
• 10 个 MLE 任务模拟:每个任务都有「简化路径 + 必须产出 + 覆盖到的流水线层」,可以直接当 checklist 用。
• 和 ECC 其他 Skill 联动:和 python-testing / pytorch-patterns / database-migrations / deployment-patterns 等无缝搭配,装上 ECC 全套的可以一起启用。

谁适合用

机器学习工程师、做 LLM 应用的团队、推荐 / 排序 / 分类 / 预测类业务的开发者——尤其当你的模型已经从「跑通 demo」进入「要上生产、要长期维护」阶段。Notebook 选手可以先跳过,这 Skill 是给想把 ML 当工程做的人。

怎么装

走 ECC 全套最省事:

/plugin marketplace add https://github.com/affaan-m/ECC
/plugin install ecc@ecc

只想用这一个 Skill,把仓库 clone 下来把 .agents/skills/mle-workflow/ 整个目录拷进 ~/.claude/skills/ 就行。装好之后,在 Claude Code / Codex / Cursor / OpenCode 里只要提到「生产 ML」「模型晋升」「上线评估」这类关键词,它会自动激活。

仓库里 246 个 Skill,这是一个被严重低估的「让 ML 变工程」的工具。

👉 GitHub 仓库直达:mle-workflow

GitHub: https://github.com/affaan-m/ECC/tree/main/.agents/skills/mle-workflow