用途：Cog 用于把机器学习模型打包成生产可用的容器。本技能适用于涉及跨语言边界或触及核心架构的变更评审，梳理组件、设计模式与需重点关注的横切问题。
组件概览：CLI（Go）位于 cmd/cog/ 与 pkg/，负责构建、运行和部署模型；Python SDK 位于 python/cog/，提供 predictor 接口、类型与 HTTP/队列服务；Coglet（Rust）位于 crates/，是容器内的预测服务器，处理 HTTP、worker 管理与 IPC。
关键设计模式：wheel 解析方面，CLI 在 Docker 构建时从 dist/ 发现 SDK 与 coglet 的 wheel，wheel 不嵌入二进制，改动构建产物需考虑到这一点。Dockerfile 生成由 pkg/dockerfile/ 依据 cog.yaml 完成，需注意模板注入与转义。配置解析由 pkg/config/config.go 处理 cog.yaml，schema 位于 pkg/config/data/config_schema_v1.0.json，改动须保持 schema 与 Go 代码同步。coglet 为双进程结构：父进程（HTTP 服务器加编排器）与子 worker 进程（执行 Python predictor）通过 IPC 通信，改动 IPC 协议会同时影响 Rust 与 Python 代码。兼容矩阵由 tools/compatgen/ 管理 CUDA/PyTorch/TensorFlow 兼容性，框架版本变更影响面较大。
横切关注点：VERSION.txt 是版本唯一来源，Cargo.toml 必须与之匹配；改动 python/cog/base_predictor.py 会影响所有下游模型作者；改动 docs/ 需运行 mise run docs:llm 重新生成 docs/llms.txt；CLI 参考文档为自动生成，改动 cmd/ 或 pkg/cli/ 需运行 mise run docs:cli；integration-tests/ 中的集成测试使用 Go 的 testscript，且需要已构建的 cog 二进制。
需警惕：predictor 接口或 cog.yaml schema 的破坏性变更；影响层缓存或构建时间的 Docker 构建改动；只更新 Rust 或 Python 一侧的 IPC 协议改动；遗漏 VERSION.txt 需同步位置之一的版本号提升；未做兼容性测试就引入新的 ML 框架版本。