К основному содержанию
субагент CX Codex

ml-engineer · voltagent/awesome-codex-subagents — субагент Codex для ML-интеграции в продакт

Субагент ml-engineer для работы с машинным обучением в production-коде: от подготовки признаков до проверки контрактов на границах inference. Помогает держать ML-логику стабильной и видимой в user-facing поведении.

MIT ★ 6 505 обновлён 2026-10-05

Установить в Codex · Вручную: положить файлы Все способы и платформы ↓
.codex/agents/ml-engineer.toml
Открыть на GitHub

Что делает ml-engineer

ml-engineer берёт на себя практическую часть ML-разработки: он не экспериментирует с моделями, а смотрит, где ML-выводы влияют на поведение приложения. Сначала прокладывает путь от признаков к inference, потом ловит узкие места — устаревшие данные, несовпадение контрактов, порог отсечки, fallback-логика. Затем пишет минимально достаточный fix: либо в feature engineering, либо в wiring между моделью и продактом, либо в слое решений.

Чек-лист качества уже встроен: проверяет, что inference-входы и выходы совпадают с объявленной схемой, что fallback работает детерминировано при отказе модели, что смена порога отсечки не перевернёт поведение втихомолку. На каждый fix запускает regress-тест с успешным и ошибочным случаем, плюс граничный сценарий. Возвращает точный путь в коде, суть проблемы, риск в user-visible поведении, самый безопасный фикс и то, что осталось проверить перед деплоем.

Какие задачи решает

  • привести ML-логику в синхронию с контрактами на границах inference
  • поймать и зафиксировать регрессию предсказаний в боевом трафике
  • выстроить graceful degradation когда модель даёт low confidence или сервис недоступен
  • убедиться что порог отсечки и калибровка не тихо сломают user-visible результат
  • минимизировать связанность между ML-выводами и детерминированной бизнес-логикой

Примеры запросов агенту

  • Проверь feature freshness и контракты в /api/recommend перед запуском A/B теста
  • Отлови утечку старых признаков в /models/ranking/inference и добавь валидацию на входе
  • Подними мониторинг на регрессию предсказаний в /decision-layer/threshold-apply под реальный трафик

Как установить ml-engineer

Вручную: положить файлы

.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/

По шагам, с командами для каждой платформы: Субагенты Claude Code: как создать, вызвать и не утопить контекст

Вопросы о ml-engineer

Как установить ml-engineer в Codex?

Скопируй файл ml-engineer.toml в директорию .codex/agents/. Субагент будет доступен как агент в Codex.

Что делает ml-engineer?

Помогает с практической ML-разработкой: проверяет feature engineering, валидирует контракты на границах inference, проектирует fallback-логику, убеждается что регрессии в предсказаниях видны в мониторинге и user-visible поведении.

Когда вызывать ml-engineer вместо обычного агента?

Когда нужно интегрировать или отладить ML-вывод, который уже влияет на product behavior: от подготовки признаков до thresholding и решений на базе модели.

Исходный текст

ml-engineer.toml · MIT
# ml-engineer

Use when a task needs practical machine learning implementation across feature engineering, inference wiring, and model-backed application logic.

Own practical ML implementation as product-facing behavior engineering, not model experimentation in isolation.

Focus on dependable feature-to-inference integration that keeps user-visible behavior stable and measurable.

Working mode:
1. Map the application path where model outputs influence product behavior.
2. Identify integration weaknesses (feature freshness, thresholding, fallback, or contract mismatch).
3. Implement the smallest fix in feature logic, inference wiring, or decision layer.
4. Validate one user-facing success case, one failure case, and one integration edge.

Focus on:
- feature engineering consistency and stale-feature detection risks
- model-input contract validation at inference boundaries
- thresholding/calibration logic tied to product outcomes
- graceful degradation when model confidence or service health drops
- coupling between ML outputs and deterministic business rules
- monitoring hooks for prediction quality and user-impact regressions
- minimizing integration complexity while preserving observability

Quality checks:
- verify inference inputs and outputs match declared schema/contracts
- confirm fallback behavior is deterministic under model failure conditions
- check that threshold changes do not silently invert product behavior
- ensure one regression test/eval path covers the changed decision logic
- call out runtime checks needed with real traffic distributions

Return:
- exact application + ML integration path changed or diagnosed
- core risk/defect and why it occurs in product behavior
- smallest safe fix and expected user-impact change
- validations run and remaining deployment checks
- residual risk and targeted next improvements

Do not over-architect the ML stack when a local integration fix is sufficient unless explicitly requested by the parent agent.

© VoltAgent · MIT · VoltAgent/awesome-codex-subagents

Похожие субагенты

Все субагенты по теме «ИИ и ML» →

Сначала — ml-engineer от других авторов.

ml-engineer VoltAgent Community Субагент ml-engineer помогает строить пайплайны обучения, настраивать деплой моделей и отслеживать дрифт данных. Подходит для развертывания ML-систем в продакшене. CX Codex 1 971установок ml-engineer Seth Hobson Субагент ml-engineer для Claude Code: обучение и оптимизация моделей, сервинг, фичи, A/B-тесты и мониторинг дрейфа в продакшене. CX Codex 1 971установок ml-engineer rohitg00 Субагент ml-engineer для Claude Code разрабатывает конвейеры машинного обучения от подготовки данных до развёртывания модели. Он подключается к задачам по обучению, оценке и мониторингу моделей. CX Codex ★ 2 858звёзд репо ml-engineer qdhenry Субагент ml-engineer для Claude Code проектирует и сопровождает ML-системы от подготовки данных до выкладки и мониторинга моделей. Решает задачи MLOps и production-инфраструктуры. CX Codex ★ 1 357звёзд репо machine-learning-engineer VoltAgent Community Субагент machine-learning-engineer помогает разворачивать, оптимизировать и обслуживать ML-модели в production. Подходит для задач инференса, масштабирования и мониторинга. CX Codex 431установок ai-engineer VoltAgent Community Субагент ai-engineer для Claude Code помогает проектировать AI-системы, выбирать модели, собирать пайплайны обучения и готовить развёртывание. Охватывает путь от исследования до production. CX Codex 7 687установок feature-engineering agiprolabs Скилл feature-engineering для Claude Code собирает признаки из рыночных данных для ML-моделей трейдинга: цена, объём, микроструктура, on-chain. Учит модель не переобучаться на сырых свечах. CX Codex +1 582установок Feature Engineering aj-geddes Скилл Feature Engineering обучает ассистента готовить и трансформировать признаки табличных данных для машинного обучения с помощью Python и scikit-learn. CX Codex +1 510установок marketplace-recsys-feature-engineering pproenca Скилл marketplace-recsys-feature-engineering проектирует признаки для рекомендательных систем маркетплейсов по фотографиям, анкетам и метаданным. Помогает настроить i2i, u2i и u2u рекомендации без лишних моделей. CX Codex +1 206установок computer-vision-engineer davila7 Субагент computer-vision-engineer для Claude Code проектирует системы анализа изображений и видео: от распознавания объектов до OCR. Подключается к задачам с обучаемыми или классическими моделями компьютерного зрения. CX Codex 1 248установок

Из того же набора176

Весь набор →
prompt-engineer Субагент prompt-engineer разбирает промпты как контракты: находит неоднозначности, уточняет формат ответа и предлагает проверку на обычных, крайних и ошибочных сценариях. CX Codex ★ 6 505звёзд репо postgres-pro Субагент postgres-pro для Codex разбирает схемы PostgreSQL, планы запросов, блокировки и эксплуатационные риски. Он подключается к задачам, где нужны рекомендации с учётом нагрузки и миграций. CX Codex ★ 6 505звёзд репо nlp-engineer Субагент nlp-engineer помогает настраивать пайплайны обработки текста, токенизацию, эмбеддинги и ранжирование в Codex. Фокусируется на сбоях в реальных запросах. CX Codex ★ 6 505звёзд репо mlops-engineer Субагент mlops-engineer для Codex ведёт задачи по развёртыванию моделей, реестрам, пайплайнам и мониторингу. Контролирует выпуск и откат ML-систем. CX Codex ★ 6 505звёзд репо machine-learning-engineer Субагент machine-learning-engineer настраивает надёжный инференс и устраняет расхождения между обучением и продакшеном. CX Codex ★ 6 505звёзд репо llm-architect Субагент llm-architect проверяет архитектуру LLM-процессов: от сборки контекста и работы инструментов до оценки качества. Подключайте его, когда проектируете или разбираете многошаговый сценарий. CX Codex ★ 6 505звёзд репо database-optimizer Субагент database-optimizer для анализа производительности базы данных. Находит узкие места в запросах, схеме и индексах, рекомендует высокоэффективные оптимизации с расчётом рисков. CX Codex ★ 6 505звёзд репо data-scientist Субагент data-scientist проводит статистический анализ и интерпретирует эксперименты, ориентируясь на проверку гипотез для принятия решений. CX Codex ★ 6 505звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой