SKILL
ml-adoption-playbook
供 AI 智能体和软件工程师向现有非 ML 代码库添加机器学习算法的端到端方法。涵盖问题定义、数据准备、架构解耦和基线模型集成。适用于向尚无机器学习能力的代码库添加此类能力，从问题定义一直到基线模型。
译文已校对查看英文原文
End-to-end methodology for AI agents and software engineers to add machine learning algorithms to existing non-ML codebases. Covers problem framing, data readiness, architectural decoupling, and baseline model integration. Use when adding a machine learning capability to a codebase that has none, from problem framing through a baseline model.
适用对象：对象待分类。自动收录 · 待核查。
在 Cursor 中使用
该组合的专门教程待补充，尚未核实适配。
准备条件
- 本条仅收录原作者的技能元数据；请阅读完整说明，确认依赖、许可与使用条件。
选择已有说明的 AI 工具，或在页面加载后保存待办及提出教程请求。
查看原作者说明 ↗