ml-engineering
✓在“部署 ML 模型”、“MLOps”、“模型服务”、“特征存储”、“模型监控”或询问“PyTorch 部署”、“TensorFlow 生产”、“RAG 系统”、“LLM 集成”、“ML 基础设施”时使用
SKILL.md
| ML Frameworks | PyTorch, TensorFlow, Scikit-learn, XGBoost | | LLM Frameworks | LangChain, LlamaIndex, DSPy | | Data Tools | Spark, Airflow, dbt, Kafka, Databricks | | Deployment | Docker, Kubernetes, AWS/GCP/Azure | | Monitoring | MLflow, Weights & Biases, Prometheus | | Databases | PostgreSQL, BigQuery, Snowflake, Pinecone |
| P50 Latency | < 50ms | | P95 Latency | < 100ms | | P99 Latency | < 200ms | | Throughput | > 1000 RPS | | Availability | 99.9% |
在“部署 ML 模型”、“MLOps”、“模型服务”、“特征存储”、“模型监控”或询问“PyTorch 部署”、“TensorFlow 生产”、“RAG 系统”、“LLM 集成”、“ML 基础设施”时使用 来源：eyadsibai/ltk。
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/eyadsibai/ltk --skill ml-engineering 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/eyadsibai/ltk --skill ml-engineering- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-17
- 更新时间
- 2026-02-18
快速解答
什么是 ml-engineering？
在“部署 ML 模型”、“MLOps”、“模型服务”、“特征存储”、“模型监控”或询问“PyTorch 部署”、“TensorFlow 生产”、“RAG 系统”、“LLM 集成”、“ML 基础设施”时使用 来源：eyadsibai/ltk。
如何安装 ml-engineering？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/eyadsibai/ltk --skill ml-engineering 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/eyadsibai/ltk
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-17