
关于
AI 和机器学习工作流,涵盖 LLM 应用开发、RAG 实现、代理架构、ML 管道和 AI 驱动功能。
name: ai-ml description: "AI 与机器学习工作流,涵盖 LLM 应用开发、RAG 实现、智能体架构、ML 流水线和 AI 驱动功能。" category: workflow-bundle risk: safe source: personal date_added: "2026-02-27"
AI/ML 工作流套件
概述
全面的 AI/ML 工作流,用于构建 LLM 应用、实现 RAG 系统、创建 AI 智能体和开发机器学习流水线。此套件协调各项技能以实现生产级 AI 开发。
何时使用此工作流
在以下情况下使用此工作流:
- 构建 LLM 驱动的应用
- 实现 RAG(检索增强生成)
- 创建 AI 智能体
- 开发 ML 流水线
- 为应用添加 AI 功能
- 设置 AI 可观测性
工作流阶段
阶段 1:AI 应用设计
需要调用的技能
ai-product- AI 产品开发ai-engineer- AI 工程ai-agents-architect- 智能体架构llm-app-patterns- LLM 模式
操作步骤
- 定义 AI 用例
- 选择合适的模型
- 设计系统架构
- 规划数据流
- 定义成功指标
复制粘贴提示词
Use @ai-product to design AI-powered features
Use @ai-agents-architect to design multi-agent system
阶段 2:LLM 集成
需要调用的技能
llm-application-dev-ai-assistant- AI 助手开发llm-application-dev-langchain-agent- LangChain 智能体llm-application-dev-prompt-optimize- 提示词工程gemini-api-dev- Gemini API
操作步骤
- 选择 LLM 提供商
- 设置 API 访问
- 实现提示词模板
- 配置模型参数
- 添加流式输出支持
- 实现错误处理
复制粘贴提示词
Use @llm-application-dev-ai-assistant to build conversational AI
Use @llm-application-dev-langchain-agent to create LangChain agents
Use @llm-application-dev-prompt-optimize to optimize prompts
阶段 3:RAG 实现
需要调用的技能
rag-engineer- RAG 工程rag-implementation- RAG 实现embedding-strategies- 嵌入策略选择vector-database-engineer- 向量数据库similarity-search-patterns- 相似性搜索hybrid-search-implementation- 混合搜索
操作步骤
- 设计数据流水线
- 选择嵌入模型
- 搭建向量数据库
- 实现分块策略
- 配置检索
- 添加重排序
- 实现缓存
复制粘贴提示词
Use @rag-engineer to design RAG pipeline
Use @vector-database-engineer to set up vector search
Use @embedding-strategies to select optimal embeddings
阶段 4:AI 智能体开发
需要调用的技能
autonomous-agents- 自主智能体模式autonomous-agent-patterns- 智能体模式crewai- CrewAI 框架langgraph- LangGraphmulti-agent-patterns- 多智能体系统computer-use-agents- 计算机使用智能体
操作步骤
- 设计智能体架构
- 定义智能体角色
- 实现工具集成
- 搭建记忆系统
- 配置编排
- 添加人机协作环节
复制粘贴提示词
Use @crewai to build role-based multi-agent system
Use @langgraph to create stateful AI workflows
Use @autonomous-agents to design autonomous agent
阶段 5:ML 流水线开发
需要调用的技能
ml-engineer- ML 工程mlops-engineer- MLOpsmachine-learning-ops-ml-pipeline- ML 流水线ml-pipeline-workflow- ML 工作流data-engineer- 数据工程
操作步骤
- 设计 ML 流水线
- 搭建数据处理
- 实现模型训练
- 配置评估
- 搭建模型注册中心
- 部署模型
复制粘贴提示词
Use @ml-engineer to build machine learning pipeline
Use @mlops-engineer to set up MLOps infrastructure
阶段 6:AI 可观测性
需要调用的技能
langfuse- Langfuse 可观测性manifest- Manifest 遥测evaluation- AI 评估llm-evaluation- LLM 评估
操作步骤
- 设置追踪
- 配置日志
- 实现评估
- 监控性能
- 追踪成本
- 设置告警
复制粘贴提示词
Use @langfuse to set up LLM observability
Use @evaluation to create evaluation framework
阶段 7:AI 安全
需要调用的技能
prompt-engineering- 提示词安全security-scanning-security-sast- 安全扫描
操作步骤
- 实现输入验证
- 添加输出过滤
- 配置速率限制
- 设置访问控制
- 监控滥用行为
- 实现审计日志
AI 开发检查清单
LLM 集成
- [ ] API 密钥已安全存储
- [ ] 速率限制已配置
- [ ] 错误处理已实现
- [ ] 流式输出已启用
- [ ] Token 使用量已追踪
RAG 系统
- [ ] 数据流水线正常运行
- [ ] 嵌入已生成
- [ ] 向量搜索已优化
- [ ] 检索准确率已测试
兼容工具
Claude CodeCursor
标签
AI与机器学习