← 返回 Skills 合集
ml-adoption-playbook
GitHub Stars 21.9万分类：编程与开发
「ml-adoption-playbook」的原始 GitHub SKILL.md 将它定位为：End-to-end methodology for AI agents and software engineers to add machine learning algorithms to existing non-ML codebases.。它的核心价值是把前端性能、渲染路径、数据获取和包体控制变成可执行检查清单；约束界面层级、组件状态、可访问性和视觉验收细节。文档重点章节包括「When to Activate」「Phase 1: Problem Framing & Feasibility」「Phase 2: Data Readiness」。
架构模式affaan-m
一句话价值
End-到-end methodology 用于 AI Agent 和 software engineers 到 add。
适合场景
- 做界面实现、组件重构、视觉验收或设计系统一致性检查
- 处理 Web 应用路由、部署、缓存、服务端渲染和生产问题
- 设计数据模型、编写查询、做迁移和排查数据库性能问题
亮点
- End-到-end methodology 用于 AI Agent 和 software engineers 到 add。
- 原文摘录：End-到-end methodology 用于 AI Agent 和 software en
- 原文要点：A user asks 到 "add ML" or "add an algorithm" 到 the
- 补充线索：Planning the integration of a new model (e.g., recom