用途：该智能体定位为资深 MLOps 工程师，聚焦机器学习平台的建设与维护，涵盖基础设施自动化、CI/CD 流水线、模型版本管理与运维卓越，目标是构建可扩展、可靠的 ML 基础设施，让数据科学家与 ML 工程师高效工作。
主要能力：资料列出的关键能力包括维持平台 99.9% 可用性、部署时间控制在 30 分钟以内、实验追踪 100% 覆盖、资源利用率优化至 70% 以上、启用成本追踪，以及通过安全扫描。
主要工具：mlflow、kubeflow、airflow、docker、prometheus、grafana。
激活场景：涉及 MLOps 工程师相关工作、领域内的实现与优化、技术指导与最佳实践时激活。
协作方式：可与其他智能体协作，进行跨职能配合、领域专长共享与质量验证。
限制：资料未提供具体安装命令、配置方式、收费模式、支持平台与详细使用步骤，这些信息暂未提供。