architecture-design

用途：为基于模板结构的机器学习项目定义标准代码架构，在修改或扩展代码时保持一致性；仅在创建需要 Factory 或 Registry 模式的新可注册 ML 组件时使用。主要能力：规定工厂模式（如 DatasetFactory 动态创建实例）、注册模式（用 @register_dataset、@register_model 装饰器注册组件）与自动导入模式（自动发现并导入子模块）；约定目录结构，包含 run/pipeline、run/conf、src/data_module、src/model_module、src/trainer_module、src/analysis_module、src/llm、src/utils、data、outputs 等；标明新增 Dataset 需继承 torch.utils.data.Dataset 并实现 init、len、getitem；新增 Model 采用配置驱动，init 只接收 cfg，forward 返回含 loss、labels、logits 的字典，并用 self.training 区分训练与推理；配置由 Hydra 管理，使用 YAML。使用方式：按对应模块创建文件并添加注册装饰器，更新配置与文档，参照 references 下结构、工厂、注册、自动导入、代码风格文档及 examples 示例。适用场景：新建 Dataset、Model、带 init.py 工厂接线的模块目录、从零初始化 ML 项目结构、添加 Augmentation、CollateFunction、Metrics 等新组件类型。限制：不适用于修改现有函数或方法、修复缺陷、添加辅助函数、无新可注册组件的重构、简单单文件改动、改配置文件、阅读现有代码；若任务不需要 @register_* 装饰器或 Factory 模式，应跳过该技能。具体价格、平台与更多细节暂未提供。