用途：为机器学习项目搭建实验追踪，支持 MLflow 或 Weights & Biases（W&B），覆盖环境配置、工具初始化与日志代码示例，便于记录参数、指标和产物。
主要能力：分析当前项目上下文，依据用户偏好或已有配置选择 MLflow 或 W&B；安装所需 Python 包并设置环境变量；初始化所选工具，例如启动本地 MLflow 服务器或连接 W&B 项目；给出在 ML 代码中记录参数、指标和产物的代码片段。
使用方式：在需要为新项目开始追踪实验、把追踪集成进已有 ML 项目、快速搭建 MLflow 或 W&B、或自动记录参数/指标/产物时触发。提供必要上下文与参数后，审查生成的输出并按需修改。资料中未提供具体安装命令或代码示例。
适用场景：新项目起步、已有项目集成、需要统一管理实验记录。
限制与前提：需要合适的文件访问权限与已安装的依赖；资料未给出支持的平台、费用或效果说明。选型建议：MLflow 适合本地追踪，W&B 提供云端协作与更多功能；应保持一致的记录策略并利用产物记录管理模型与数据集。可与生成或修改机器学习代码的技能配合使用。