用途：该技能面向机器学习实验追踪，帮助记录实验的指标、超参数、产物与模型，并比较不同追踪平台。
主要能力：资料列出四类平台对比。MLflow 为 Databricks 开源平台，核心组件包括 Tracking（记录参数、指标、产物）、Projects（可复现运行，MLproject 文件）、Models（打包与部署模型）、Registry（模型版本与阶段管理）；优势是自托管、开源、模型注册表、框架集成，限制是可视化基础、协作功能较少。W&B 为云优先实验追踪，核心功能包括实验追踪（指标、超参数、系统状态）、Sweeps（网格、随机、贝叶斯超参数搜索）、Artifacts（数据集与模型版本）、Reports（可分享文档）；优势是可视化出色、团队协作、超参数搜索，限制是依赖云、自托管有限。Neptune 适合团队协作，不支持自托管，可视化良好。ClearML 面向完整 MLOps，支持自托管，可视化良好。
需要追踪的内容：超参数（学习率、批大小、架构）、指标（损失、准确率、F1、每轮数值）、产物（模型检查点、配置、数据集）、系统（GPU 使用、内存、运行时间）、代码（Git 提交、diff、依赖）。模型注册表阶段包括 None（仅记录未注册）、Staging（测试验证）、Production（线上服务）、Archived（弃用保留参考）。
使用方式：MLflow 支持对主流框架自动日志，一行代码即可自动捕获指标；W&B 使用 wandb.init() 加 wandb.log()，API 简单。选择建议：需要自托管或侧重模型注册表选 MLflow；需要团队协作、超参数搜索或漂亮仪表盘选 W&B；完整 MLOps 流水线可用 MLflow 加部署工具。
限制：资料未提供具体安装命令、收费与价格信息，也未给出完整代码示例；各平台的具体版本与功能细节以官方文档为准。参考资源：MLflow https://mlflow.org/docs/latest/ ，W&B https://docs.wandb.ai/ 。