# Mlops

> Skill file

- Skill: `yakeworld/mlops` (Agent Skill, multi-file: 14 files)
- Install (CLI): `npx skillmds@latest add yakeworld/mlops`
- Raw SKILL.md: https://api.skillmd.com/api/skills/yakeworld/mlops/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- License: MIT
- Author: yakeworld (https://skillmd.com/u/yakeworld)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/yakeworld/mlops

---


|
| codex-llm-routing | Route OpenAI Codex CLI (v0.139+) to local/third-party LLMs via Responses API proxy | quick |
| ellipse-3d-anatomy-constrained | 用户特异性推导：椭圆→3D圆通过解剖约束（R=2r, d=√3r）消除方位角模糊 | ultrabrain |
| evaluation/ | mlops/evaluation — 模型评估与实验追踪（含 lm-evaluation-harness, weights-and-biases） | quick |
| inference/ | mlops/inference — 模型推理服务与优化（含 llama-cpp, obliteratus, outlines, vllm） | quick |
| models/ | mlops/models — 模型架构（含 audiocraft, segment-anything-model） | quick |
| research/ | mlops/research — ML 研究框架（含 dspy） | ultrabrain |
| training/ | mlops/training — 模型训练与微调（含 axolotl, fine-tuning-with-trl, unsloth） | quick |

## 使用场景

- Codex CLI 本地模型路由
- 眼动追踪 3D 椭圆还原
- 完整的 mlops 工具链（评估、推理、训练、模型）

## 契约层 · BOUNDARY

**边界**：技能功能边界。

## 契约层 · IO_CONTRACT

**输入**：请求描述、上下文信息。
**输出**：执行结果、状态反馈。

## 验证清单 · VERIFICATION

- [ ] 按请求路由到正确的子域（codex-llm-routing / ellipse-3d-anatomy-constrained / evaluation / inference / models / research / training），路由依据可追溯到请求描述
- [ ] ellipse-3d-anatomy-constrained 输出满足解剖约束 R=2r 且 d=√3r，方位角模糊已消除
- [ ] 每个 mlops 子域结论可追溯到具体证据或数据源（MLOP-001：严禁编造数据）
- [ ] 每一步操作可重复执行且结果一致（MLOP-002 可复现性）
- [ ] 输入参数类型、范围、格式校验通过，无效输入被拒绝（MLOP-003）
- [ ] 返回值结构、编码、命名与契约一致（MLOP-004）
- [ ] 异常路径的错误信息包含上下文背景与恢复建议（MLOP-005）
- [ ] 改进/测试以 Golden 集合（Input/Output/Error）为单一真理来源且全部通过（MLOP-007）

## 核心原则 · PRINCIPLES

1. **准确为先**: 所有输出必须经过事实核查，不编造数据
2. **证据驱动**: 每个结论必须可追溯到具体证据或数据源
3. **可复现性**: 每一步操作必须可重复，结果可验证

## 约束规则 · RULES

1. **输入约束**: 参数类型、范围、格式必须校验
2. **输出约束**: 返回值结构、编码、命名必须一致
3. **异常约束**: 错误信息必须包含上下文和恢复建议
4. **安全约束**: 不执行未验证的任意代码，不暴露内部状态

## Golden 集合 · GOLDEN SET

- **Golden Input**: 请求 "将 Codex CLI v0.139+ 路由到本地 LLM 的 Responses API 代理" —— 命中子域路由正常路径
- **Golden Output**: 路由结果 `codex-llm-routing`，依据可追溯至请求描述（VERIFICATION 第 1 条）；若路由到 ellipse-3d-anatomy-constrained，则输出必须满足解剖约束 R=2r、d=√3r 且方位角模糊已消除（VERIFICATION 第 2 条）
- **Golden Error**: 请求描述无法映射到任一子域（codex-llm-routing / ellipse-3d-anatomy-constrained / evaluation / inference / models / research / training）时，拒绝执行并返回含上下文背景与恢复建议的错误信息（MLOP-003/MLOP-005）

> Golden 集合是测试的单一真理来源。所有改进必须通过 golden 测试。

> 违反规则的操作视为不安全，必须拒绝或隔离。

> 违反任何原则的输出视为失败。原则优先级：准确 > 证据 > 可复现。

> 每项验证必须可执行、可记录、可复现。验证失败时记录原因和修复。

# Mlops — 机器学习运维---

## Genes (策略基因)
> 紧凑策略表示。条件→策略。需要深度时参考完整文档。
- **[MLOP-001]** 输出涉及数据或结论时 → 必须经过事实核查且可追溯到具体证据源，严禁编造
- **[MLOP-002]** 执行任何操作步骤时 → 必须确保过程可重复且结果可验证，以保障可复现性
- **[MLOP-003]** 接收输入参数时 → 必须严格校验类型、范围及格式，拒绝无效输入
- **[MLOP-004]** 生成返回值时 → 必须保持结构、编码及命名的一致性
- **[MLOP-005]** 发生异常或错误时 → 错误信息必须包含上下文背景及明确的恢复建议
- **[MLOP-006]** 处理代码执行请求时 → 禁止执行未验证的任意代码且不暴露内部状态
- **[MLOP-007]** 进行功能改进或测试时 → 必须以 Golden 集合（输入/输出/错误）为单一真理来源进行验证