简诗 AI 机器学习管道

要解决的问题

训练、评估、部署三件事常常散落在不同脚本里：数据处理写一段，训练写一段，评估再写一段，最后手动串联。换框架、换数据集、换环境时又要重新梳理一遍，实验记录也容易散乱。这个技能要解决的就是流水线结构不统一、环节难以复用、执行过程缺少追踪的问题。

它是怎么工作的

核心思路是把 ML 流程拆成可复用的组件，再按声明式配置串起来：

• 定义管道结构：在配置文件（如 pipeline.yaml）中声明数据预处理、模型训练、模型评估、部署等阶段，而不是把逻辑硬编码进单个脚本。
• 组件化实现：每个阶段作为一个独立组件实现，可单独替换或复用；组件之间可以拼接成完整管道，方便按任务和框架调整。
• 按序执行与依赖管理：技能按配置顺序运行各组件，处理组件间的数据流转与依赖关系，避免手工接线。
• 监控与日志：提供工具观察管道执行情况、记录结果并追踪实验，便于回溯哪一步出了问题。
• 部署：模型训练和评估完成后，可自动部署到推理服务环境。

使用时需要提供管道定义文件，以及各组件的实现代码。

适用边界

• 不自动安装依赖、修改系统权限、创建持久化任务或执行下载内容。
• 涉及发送、发布、删除、付款、部署或其他外部写入操作时，会先展示目标与影响，并取得明确确认。
• 凭据仅用于用户指定的对应官方服务，不回显、不记录，也不转发到无关地址。
• 命令和代码默认作为参考；只有在用户明确要求执行、且目标范围清楚时才会运行。

获取使用帮助和更多实用 Skill，请关注公众号「简诗 AI」，或在 SkillHub 搜索「简诗 AI」