Machine Learning Ops

Claude Code: /plugin marketplace add wshobson/agents → /plugin install machine-learning-ops@claude-code-workflows

Umiejętność dotycząca potoków obejmuje standardowy trzon MLOps: orkiestrację DAG w Airflow, Dagster lub Kubeflow, wersjonowanie danych, śledzenie eksperymentów oraz wdrożenia canary i blue-green ze ścieżką wycofania. Druga umiejętność jest mniej typowa — odwzorowuje etapy Source, Hydrator, Filter, Scorer, Selector i SideEffect z opublikowanego przez xAI algorytmu For You, jako niezależną implementację, a nie skopiowany kod. Jej założenie jest takie, że większość produkcyjnych systemów rekomendacji opiera się na infrastrukturze, a nie egzotycznym modelowaniu: zmienia się mechanizm oceny, lecz struktura potoku pozostaje taka sama. Te same sześć etapów pasuje więc do rerankera RAG, kolejki selekcji powiadomień lub ustalania priorytetów alertów. Trzy agenty dzielą pracę między analizę danych, inżynierię modeli i operacje.