用途：在涉及 MLOps 工程任务或工作流时提供指导、最佳实践与检查清单，覆盖从实验到生产的完整 MLOps 生命周期；与 MLOps 无关或超出该领域的任务不适用。
主要能力：ML 流水线编排与工作流管理（Kubeflow Pipelines、Airflow、Prefect、Dagster、Argo Workflows、Azure ML Pipelines、SageMaker Pipelines、GitHub Actions、GitLab CI/CD）；实验跟踪与模型管理（MLflow、Weights & Biases、Neptune、ClearML、Comet、DVC）；模型注册与版本管理（MLflow Model Registry、Azure ML 与 SageMaker Model Registry、DVC、Pachyderm、lakeFS）；云平台 MLOps（AWS、Azure、GCP 的流水线、训练、端点、存储与监控服务）；Kubernetes 与容器编排（Helm、Istio、KEDA、Kubeflow、KServe、GPU 调度）；IaC 与自动化（Terraform、CloudFormation/CDK、ARM/Bicep、Ansible、Pulumi）；数据与特征工程（Feast、Tecton、Kafka、Spark、Dask、Ray、Great Expectations、Delta Lake、Iceberg）；ML CI/CD 与部署策略（A/B 测试、金丝雀、蓝绿、GitOps）；监控与可观测性（漂移检测、Prometheus、Grafana、DataDog 等）；安全与合规（GDPR、HIPAA、SOC 2、访问控制、加密）；扩展与性能优化（自动扩缩、分布式训练、推理优化、成本优化）；DevOps 集成。
使用方式：先澄清目标、约束与所需输入，再应用相关最佳实践并验证结果，输出可执行步骤与验证方法。
限制：该技能聚焦 MLOps 领域，不处理无关任务或该范围外的其他工具与领域；具体安装命令、收费、价格与平台细节官方资料暂未提供。