该规则集用于 AI/ML 开发与模型训练场景，帮助在编写代码时遵循若干关键模式。资料给出的主要内容分为：模型开发、可复现性与决策树参考。
模型开发方面，要求对模型和数据进行版本管理，示例配置包含版本号、训练时间、数据集哈希与超参数等字段。可复现性方面，要求设置随机种子，示例涵盖 Python 的 random、numpy 与 torch，并在可用时设置 CUDA 随机种子。
资料还提供一个决策参考：需要分类时从简单基线起步；需要嵌入时使用预训练模型；需要微调时从小学习率开始；需要部署时可考虑 ONNX 导出；需要监控时跟踪漂移指标。此外列出资源：ML 开发文档 ml-development.md 与 Cognee 集成目录 cognee/。
使用方式为在该规则集触发条件下（处理 AI/ML 开发或模型训练）应用上述模式。具体安装、配置与调用步骤暂未提供，收费、价格与平台信息暂未提供。