用途：为已经或准备把机器学习模型用于生产的人提供判断框架。它不负责 LLM 智能体编排，那属于 duo-ai-agent-platform；本技能聚焦训练模型与生成流水线。
主要内容：模型与规则之争——把多年实验积累的规则树收敛为一次学习决策，v1 尽量不引入新基础设施；当大量提交不合要求时，与其过滤不如重排序，并把审核结论回收为训练数据；用廉价启发式缩小候选集，再把算力花在幸存者上。
特征与冷启动：使用浅层可用特征，让一个合并模型服务所有细分人群，使新细分能继承其他人群已学到的能力。
评估：选择对用户在意之处敏感的指标，分辨率不等于敏感度；同一测量在不同技能水平下各自校准，再对校准后输出设一个阈值；要检测“意外”或“出色”，需要先有对预期的建模。
生成流水线：从一个参数化基元生成整个族系，把编写权交给负责迭代的人；生成器、检查器与纠正器必须作为同一项目投入，只做生成会造出规模化错误机器；每次请求时组装实例，以构造方式保证完整性。
上线与信任数字：以覆盖率作为进度指标，在真实流量上逐片扩展并公布覆盖率，同时配分片质量防止被钻空子；先解决身份归并再信任漏斗，碎片化关联键会同时高估流失与获客。
限制：内容为经验性指导而非可安装工具，未提供具体代码、命令、价格或平台信息；各节点分别带有其来源博文的日期引用。