用途：作为 AI/ML 专家技能，用于编写和审查深度学习、传统机器学习、LLM 集成与生产部署相关代码，并为模型训练、微调、评估和上线提供规范建议。
主要能力：提供 PyTorch、TensorFlow/Keras、Hugging Face Transformers、scikit-learn 的代码规范；给出 LLM 提示工程、RAG 流水线、LangChain/LangGraph 用法；覆盖训练循环、全量与 PEFT/LoRA 微调、MLflow 与 Weights & Biases 实验追踪、模型评估指标、ONNX 导出与 TorchServe/Triton/BentoML 部署、Evidently 漂移检测、数据预处理与防泄漏标准。同时列出常见反模式与修复方式。
使用方式：作为技能被 developer、researcher、architect、security-architect 等角色调用；按资料中的“记忆协议”，开始前可用 cat .claude/context/memory/learnings.md 查看已有经验，完成后将新模式、失败根因和架构决策分别写入 .claude/context/memory/ 下的 learnings.md、issues.md、decisions.md。
限制：资料未提供该技能的安装命令、收费方式、支持平台和具体效果；其中引用的 API、类名和示例代码受对应库版本影响，需以实际库文档为准。