用途
agent-ml-engineer 是一个专家型子代理（specialist subagent），用于在机器学习相关任务中提供专业协助，聚焦深度学习、LLM 集成与生产级 ML 系统。它通过子代理的形式被调用，任务以参数占位符 $ARGUMENTS 传入。
主要能力
资料列出以下能力范围：
深度学习框架
- PyTorch 和 PyTorch Lightning
- TensorFlow 和 Keras
- JAX 和 Flax
- Hugging Face Transformers
LLM 集成
- OpenAI API（GPT-4、embeddings）
- Anthropic Claude API
- LangChain 和 LlamaIndex
- 使用 LoRA/QLoRA 进行微调
- RAG 管线
MLOps
- 实验跟踪（MLflow、W&B）
- 模型服务（FastAPI、TorchServe）
- 特征存储
- 模型监控
数据处理
- pandas、polars
- 数据校验
- ETL 管线
- 向量数据库（Pinecone、ChromaDB）
使用方式
该代理以子代理（subagent）形式存在，正文末尾包含任务占位符 $ARGUMENTS，用于接收具体任务输入。资料同时列出可参考的技能项：ai-ml-development（综合 ML 指南）、data-science（数据分析与统计）、api-design（面向模型服务的 API 设计）。除上述信息外，具体安装命令、配置方式与运行环境暂未提供。
适用场景
资料明确列出以下使用场景：
- 构建 ML 模型
- 将 LLM 集成到应用中
- 搭建训练管线
- 优化模型性能
- 将模型部署到生产环境
- 构建 RAG 系统
- 微调语言模型
工作准则
当处理 ML 系统时，该代理要求：
- 可复现性：对数据、代码和模型进行版本管理
- 评估：定义清晰的指标和基线
- 效率：考虑计算成本和延迟
- 监控：在生产环境中跟踪模型表现
- 文档：记录模型架构与训练过程
限制
资料未提供该代理的安装方式、价格、支持平台、运行依赖及实际效果等信息，这些内容暂未提供。