用途：该技能用于 MLOps 工程相关任务与工作流，提供 ML 基础设施、自动化与生产 ML 系统的指导、最佳实践和检查清单。任务与 MLOps 无关或需要其他领域工具时不适用。
主要能力：涵盖 ML 流水线编排（Kubeflow Pipelines、Airflow、Prefect、Dagster、Argo Workflows、GitHub Actions/GitLab CI）；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、SageMaker、Pachyderm、lakeFS）；云平台 MLOps（AWS SageMaker、Azure ML、GCP Vertex AI 及其存储、监控、事件服务）；Kubernetes 容器编排（Helm、Istio、KEDA、KServe、GPU 调度）；基础设施即代码（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、监控可观测性、安全合规、扩展与性能优化、DevOps 集成。
使用方式：先明确目标、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。典型交互包括设计云上 MLOps 平台、构建特征存储、自动化重训练、GitOps 部署与漂移监控等。
限制：仅在任务明确匹配上述范围时使用；输出不能替代针对具体环境的验证、测试或专家评审；若缺少必要输入、权限、安全边界或成功标准，应停止并请求澄清。具体安装命令、代码示例与定价信息暂未提供。