К основному содержанию
плагин CX Codex

ml-pipeline — плагин для Claude Code: что делает и как установить

Плагин ml-pipeline проводит ML-задачу через строгий 16-шаговый процесс: от проверки данных до оценки модели. Он нужен, когда агент начинает обучение слишком рано.

Apache-2.0 ★ 1 596 обновлён 2026-10-29

Установить в Claude Code · Через маркетплейс плагинов Все способы и платформы ↓
/plugin marketplace add hashgraph-online/awesome-codex-plugins
/plugin install ml-pipeline@awesome-codex-plugins
Открыть на GitHub

Что делает ml-pipeline

ml-pipeline заставляет агента сначала изучить данные, определить задачу прогнозирования, сделать профиль и EDA, а затем подготовить выборки и перейти к модели. Процесс разделён на этапы с разрешениями: агент показывает результаты, графики и следующий шаг, после чего ждёт явного подтверждения. Работа ведётся в marimo, а графики matplotlib сохраняются в ml_pipeline/figures/.

Плагин отслеживает прогресс и одобрения в ml_pipeline/PIPELINE.md. В Claude Code хуки проверяют команды, записи файлов и изменения ноутбуков: они блокируют обучение до нужных разрешений, запрещают утечку через тестовую выборку и предупреждают о подозрительно хорошем показателе. Встроенные guard.split() и guard.final_test() учитывают временные и групповые данные, а тестовый набор разрешают оценить один раз. В Codex действуют те же правила через инструкции, но хуков нет. Без подтверждения Gate A обучение не запустится.

Какие задачи решает

  • проверить сырые данные до обучения модели
  • найти пропуски, дубликаты и признаки утечки
  • разделить данные до feature engineering и preprocessing
  • не допустить оценки на тестовой выборке раньше времени
  • зафиксировать шаги и одобрения ML-эксперимента

Примеры запросов агенту

  • Запусти /ml-pipeline для задачи обучения модели на data.csv.
  • Проведи ML-анализ через 16 шагов и остановись на каждом разрешении.
  • Проверь, нет ли утечки данных, нарушений разбиения и преждевременного вызова .fit().

Как установить ml-pipeline

Через маркетплейс плагинов

/plugin marketplace add hashgraph-online/awesome-codex-plugins
/plugin install ml-pipeline@awesome-codex-plugins

По шагам, с командами для каждой платформы: Плагины Claude Code: маркетплейсы, установка и как собрать свой

Вопросы о ml-pipeline

Как установить ml-pipeline в Claude Code?

Выполните /plugin marketplace add hashgraph-online/awesome-codex-plugins и затем /plugin install ml-pipeline@awesome-codex-plugins.

Что делает ml-pipeline?

Плагин проводит ML-задачу через 16 шагов: проверку данных, EDA, определение цели, подготовку выборок, обучение и проверку. Между этапами агент запрашивает явное разрешение.

Работают ли хуки ml-pipeline в Codex?

В Codex применяются те же правила через инструкции, но хуки доступны только в Claude Code.

Исходный текст

ml-pipeline · Apache-2.0
# ml-pipeline

**Stop your coding agent from jumping straight to model training.**

Coding agents love to call `.fit()` five minutes into an ML task — before looking at the
data, before there's a test set, before anyone agreed on what is being predicted. This
plugin forces a strict, data-first 16-step pipeline with explicit user-permission gates —
and, in Claude Code, a hook that makes skipping them impossible:

![The ml-pipeline flow: 16 steps across 4 phases — Understand, Prepare, Model, Prove & Ship — each ending in a permission gate](assets/pipeline.svg)

## Install

**Claude Code**

```
/plugin marketplace add jananthan30/ml-pipeline
/plugin install ml-pipeline@ml-pipeline
```

The skill activates automatically on any ML training/tuning/evaluation task, or invoke it
directly with `/ml-pipeline`.

**Codex CLI**

```
codex plugin marketplace add jananthan30/ml-pipeline
codex plugin add ml-pipeline@ml-pipeline
```

**Kimi Code CLI** (or Codex without plugins)

```bash
git clone https://github.com/jananthan30/ml-pipeline && cd ml-pipeline && ./install-other-tools.sh
```

Copies the skill into `~/.codex/skills/` and `~/.kimi-code/skills/` and appends an
enforcement section to each tool's global `AGENTS.md`.

## How it works

- **Strict order, no skipping** — the split happens *before* feature engineering and
  preprocessing; all fitting uses training data only; the test set is touched exactly once.
- **You stay in control** — at each gate the agent explains, in plain language, what it
  did, what it found (with figures), and what comes next, then waits for your explicit OK.
  "Just train it" gets the risk explained and requires a logged override.
- **See everything** — [marimo](https://marimo.io) notebooks as the workbench, matplotlib
  figures saved to `ml_pipeline/figures/`, each explained in 1–2 plain sentences.
- **Resumable** — `ml_pipeline/PIPELINE.md` tracks every step and approval, so a new
  session continues where the last one stopped.

## Enforced, not just instructed

In Claude Code the plugin ships hooks. Before any command, file write, or notebook edit runs, a
`PreToolUse` hook scans the code and **denies**: any fitting before Gate A; model training before
Gate B; evaluating on the test split before Gate C; fitting on the test split, ever. A denied call
tells the agent exactly which steps are missing — so "just train it" fails closed until you have
approved the gate. A `PostToolUse` hook warns when a metric looks too good to be honest or a split
ignores class balance or time. And at step 6 the agent switches to `guard.split()` /
`guard.final_test()`, a small runtime library that drops duplicates, refuses random splits on
temporal data, and lets the frozen test set be scored exactly once.

It also refuses to let understanding be skipped. `guard.profile()` writes a data profile — column
kinds, missingness, duplicates, class balance, temporal coverage, and **leakage suspects** — and
`guard.eda_figures()` draws the required figures with explanations computed from the data. Gate A
can't be recorded without them; Gate B can't be recorded without a written model rationale (traits
→ baseline → candidates → what was ruled out and why → metric). And five provably wrong applications
are denied outright from the profile: a neural net on a small table, a random split on temporal
data, a non-group split on grouped data, accuracy as the selection metric on an imbalanced target,
and resampling before the split.

Prove it on the **canary**: `examples/canary/canary.csv` has a known honest ceiling of 0.80
accuracy. Beat it and you leaked. `ML_PIPELINE_ENFORCE=0` switches enforcement off for non-ML
projects. Codex and Kimi get the same rules as instructions (no hook support there).

## License

Apache-2.0

© Jananthan Paramsothy · Apache-2.0 · hashgraph-online/awesome-codex-plugins

Похожие плагины

Все плагины по теме «ИИ и ML» →
ml-pipeline-workflow Seth Hobson Скилл ml-pipeline-workflow для Claude Code помогает спроектировать ML-пайплайн от подготовки данных до развёртывания модели. Он подключается при создании MLOps-процессов и автоматизации обучения. CX Codex +1 11 122установок cost-aware-llm-pipeline affaan-m Скилл cost-aware-llm-pipeline для Claude Code маршрутизирует простые задачи к дешёвым моделям, отслеживает расходы на API и кэширует промпты, сохраняя качество на сложных запросах. CX Codex +1 6 400установок recsys-pipeline-architect Seth Hobson Скилл recsys-pipeline-architect для Claude Code проектирует пайплайны рекомендаций, ранжирования и лент из шести этапов. Задача — выбрать top K элементов для пользователя и контекста. CX Codex +1 4 200установок tao-run-automl-deft-pipeline NVIDIA Corporation Скилл tao-run-automl-deft-pipeline связывает три фазы обучения модели: подбор гиперпараметров, цикл DEFT и повторный AutoML на расширенном датасете. CX Codex +1 1 600установок deepstream-generate-pipeline NVIDIA Скилл deepstream-generate-pipeline для Claude Code и Codex собирает команды gst-launch-1.0 по описанию задачи. Команды охватывают инференс, трекинг и вывод видео или изображений. CX Codex +1 791установок marketing-pipeline-share-ai-content-automation reason-machines Скилл marketing-pipeline-share-ai-content-automation для Claude Code собирает конвейер автоконтента: исследует тренды, готовит статьи на английском и вьетнамском и видео через Remotion. Запускается по запросу автоматизировать публикации. CX Codex +1 767установок

Из того же набора391

Весь набор →
oh-my-cassette Плагин oh-my-cassette подключает Claude Code и Codex к видеоредактору Cassette: монтирует ролики по текстовым командам, режет под бит и сохраняет результат на диск. CX Codex ★ 1 596звёзд репо off-the-wall Плагин off-the-wall для Claude Code и Codex возвращает агенту прошлые исправления из той же рабочей директории. Напоминает о ваших предпочтениях в ответах. CX Codex ★ 1 596звёзд репо nightshift Плагин nightshift даёт агенту смену с ограничением по времени: панч-лист на диске, отчёт по каждому пункту и история запусков, которую можно разобрать утром. CX Codex ★ 1 596звёзд репо multi-llm Плагин multi-llm для Claude Code и Codex параллельно проверяет планы, код и коммиты через 19 консольных ИИ-инструментов, проверяет замечания и готовит задачи для правок. CX Codex ★ 1 596звёзд репо memoire Плагин memoire даёт агенту память о вашей дизайн-системе: проверяет интерфейс, достаёт токены Tailwind из готовой вёрстки и ведёт работу с реестром shadcn. CX Codex ★ 1 596звёзд репо codex-multiple-env Плагин codex-multiple-env изолирует профили аккаунтов и воркспейсов ChatGPT для Codex CLI в каталогах CODEX_HOME. Позволяет переключать учётные записи без постоянного выхода из системы. CX Codex ★ 1 596звёзд репо mcp-md-reader Плагин mcp-md-reader для Claude Code и Codex находит нужные разделы Markdown и читает их выборочно. Помогает работать с большими файлами и хранилищами заметок. CX Codex ★ 1 596звёзд репо mailagent Плагин mailagent даёт агенту временные почтовые ящики: принять письмо с кодом или magic link, проверить регистрацию и удалить инбокс. CX Codex ★ 1 596звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой