# ml-engineer

Субагент для продакшен-ML: обучение, сервинг моделей, фичи, A/B-тесты и мониторинг. Пригодится, когда модель пора выводить из ноутбука.

- субагент · `type=agent` · Claude Code, Codex, Cursor · 1971 установка · ★ 41729
- Автор: Seth Hobson
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/wshobson/agents/tree/HEAD/plugins/machine-learning-ops/agents/ml-engineer.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/agents/ml-engineer

## Что делает

Это субагент `ml-engineer` из набора `wshobson/agents`. Он берёт на себя продакшен-часть машинного обучения: обучение и оптимизацию моделей, сервинг, инженерию признаков, A/B-тесты и мониторинг дрейфа. В описании прямо сказано использовать его проактивно — для деплоя моделей, оптимизации инференса и ML-инфраструктуры.

Внутри — широкий набор инструментов под разные задачи. Из фреймворков: PyTorch 2.x с `torch.compile` и FSDP, TensorFlow 2.x, JAX/Flax, классические Scikit-learn, XGBoost, LightGBM, CatBoost, ONNX для переноса моделей между фреймворками. Для сервинга — TensorFlow Serving, TorchServe, MLflow, BentoML, контейнеры и Kubernetes, облачные сервисы вроде SageMaker и Vertex AI. Отдельно проработаны фичи-сторы (Feast, Tecton), пайплайны (Airflow, Kubeflow, Prefect, Dagster) и мониторинг с A/B-тестами.

Модель наследуется от родительской сессии (`model: inherit`), так что отдельный ключ или аккаунт не нужен. Ставить его имеет смысл, если вы уже работаете с ML-стеком: субагент описывает инструменты и подходы, но не тянет за вас зависимости — PyTorch, TensorFlow и остальное должны быть в проекте. Для учебных экспериментов в блокноте он избыточен.

## Установка

### Claude Code (родная платформа)

1. **Через маркетплейс плагинов**
В чате агента (не в терминале):
```text
/plugin marketplace add wshobson/agents
```
В чате агента (не в терминале):
```text
/plugin install machine-learning-ops@claude-code-workflows
```

2. **Вручную: положить файлы**
- Файл: `.claude/agents/ml-engineer.md` — Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

### Codex

**Вручную: положить файлы**
- Файл: `.codex/agents/ml-engineer.toml` — Codex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/agents/ml-engineer.md` — Cursor понимает и .claude/agents/

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/wshobson/agents/tree/HEAD/plugins/machine-learning-ops/agents/ml-engineer.md

## Когда брать
- вывести обученную модель в продакшен с сервингом
- настроить мониторинг дрейфа данных и модели
- собрать пайплайн инженерии признаков
- провести A/B-тест модели с постепенным раскатом
- оптимизировать инференс через квантизацию и батчинг

## Примеры запросов агенту
- Помоги задеплоить модель на TorchServe с батчингом запросов
- Настрой мониторинг дрейфа признаков для этой модели
- Собери пайплайн обучения с версионированием через MLflow

## Похожие
- [prompt-engineer](https://affpapa.org/nevibecode/agents/voltagent-community-prompt-engineer.md) — субагент · 16078 установок
- [data-scientist](https://affpapa.org/nevibecode/agents/voltagent-community-data-scientist.md) — субагент · 3342 установки

## Другие версии с тем же именем
- [ml-engineer · voltagent](https://affpapa.org/nevibecode/agents/voltagent-community-ml-engineer.md) — 1971 установка

Из того же набора: [wshobson/agents](https://affpapa.org/nevibecode/by/wshobson/agents.md) — 342 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md