MCAF ML/AI Delivery 是一项技能，用于在机器学习与人工智能项目中提供交付流程指引。触发条件包括：仓库包含模型训练、推理、实验或数据科学工作流；ML 工作需要明确的流程、测试或负责任 AI 指引；交付讨论混淆了产品、数据与模型关注点。
主要能力：产出具体的项目增量，如代码、文档、配置、测试、CI 或评审产物；通过显式规划、验证与最终校验减少歧义；保留可复用的项目上下文。工作流要求区分产品假设、数据假设与模型假设；保持实验可追溯、可测试；将负责任 AI、数据质量与 ML 专属验证作为一等需求；仅加载与当前 ML 阶段匹配的参考资料。
使用方式：先阅读最近的 AGENTS.md 确认范围与约束；通过 Ralph Loop 执行工作流（先头脑风暴，再制定计划，逐步执行并评审、修复、更新计划，直至结果可接受）；按 Required Result Format 返回结果，字段包括 status、plan、actions_taken、validation_skills、verification、remaining。参考资料先读 references/ml-ai-projects.md，其余如 data-exploration、feasibility-studies、ml-fundamentals-checklist、model-experimentation、testing-data-science-and-mlops-code、responsible-ai、ml-model-checklist 仅在对应阶段激活时按需打开。
适用场景：需要为 ML 功能定义交付工作流、需要负责任 AI 与测试指引、需要在文档中分离产品/数据/模型决策。限制：不适用于无 ML 或数据科学组件的通用软件交付；不应在仅有一个阶段活跃时加载所有 ML 参考资料。具体命令、价格与更多细节暂未提供。