用途：为机器学习与计算机视觉系统设计提供专家级指导，覆盖模型选型、训练与推理流水线设计、生产部署、性能与成本优化，以及自建与调用API的取舍评估。
主要能力：提供模型选型决策树，按文本、计算机视觉、音频、结构化数据等任务给出候选模型（如BERT、GPT-4、YOLOv8、SAM、Whisper、XGBoost等）；给出API与自托管对比维度（请求量、延迟、定制化、数据隐私、团队能力、预算）及成本对比与盈亏平衡分析；描述标准ML流水线（数据层、训练层、服务层）与组件选型建议（特征存储、实验追踪、训练编排、模型注册、模型服务）；总结推理架构模式（同步API、异步处理、边缘推理）及延迟目标；介绍CV流水线（实时视频处理、目标检测各环节）与LLM集成模式（RAG、向量数据库选型、多模型路由）；列出GPU显存优化、批处理策略、监控指标与漂移检测方法。
使用方式：作为技能被调用，在用户提出ML/CV系统设计、模型选择、训练或推理架构、成本与性能优化等问题时提供上述框架与建议。资料未提供具体安装命令或调用代码。
适用场景：设计机器学习系统、选择模型、规划训练与推理流水线、评估自建与API方案、优化ML系统性能与成本、规划ML数据流水线。
限制：资料为方法论与参考框架，未提供具体实现代码、安装步骤或平台绑定；成本与性能数字为示例，实际需结合自身情况验证；部分模型与工具的具体版本、许可与可用性未在资料中说明。