用途：当需要处理 MLOps 工程任务或工作流时使用本技能，获取指导、最佳实践与检查清单。资料明确说明，与 MLOps 工程无关的任务，或需要该范围之外的领域与工具时，不应使用本技能。
主要能力：以知识模块形式覆盖完整 MLOps 生命周期，包括 ML 流水线编排与工作流管理、实验追踪与模型管理、模型注册与版本管理、云平台相关 MLOps 实践、容器编排与 Kubernetes、基础设施即代码与自动化、数据流水线与特征工程、面向 ML 的持续集成与部署、监控与可观测性、安全与合规、可扩展性与性能优化，以及与 DevOps 的集成与自动化。资料来源提到涉及 MLflow、Kubeflow 等现代 MLOps 工具，并提及构建 ML 流水线与模型注册表。
使用方式：先澄清目标、约束条件与所需输入，再应用相关最佳实践并验证结果，最后给出可执行的步骤与验证方法。若需要更详细的示例，可打开 resources/implementation-playbook.md。资料未提供具体安装命令或代码示例，此处不做补充。
适用场景：构建与维护生产级 ML 系统、搭建可扩展的 ML 基础设施与自动化流水线、需要实验管理与模型版本治理、以及在云平台和 Kubernetes 上部署与运维 ML 工作负载的团队与个人。
限制：资料的官方说明为空，未提供价格、收费、平台支持矩阵、性能指标或效果数据，这些信息暂未提供。本技能定位为工程指导与流程规范化，不涉及与 MLOps 无关的领域。