← 返回 Skills 市场
Mlflow Experiment Tracker
作者
ai-gaoqian
· GitHub ↗
· v1.0.0
· MIT-0
40
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install mlflow-experiment-tracker-ai
功能描述
MLflow 实验追踪智能助手。自动分析实验运行结果、对比超参数配置、 检测过拟合风险、推荐最优模型，为机器学习团队提供端到端的实验管理能力。
使用说明 (SKILL.md)
MLflow Experiment Tracker
概述
面向 MLflow 用户的实验分析技能，将原始运行日志转化为可操作的模型优化决策。
核心能力
1. 实验运行分析
- 自动解析 MLflow Tracking Server 数据
- 可视化训练曲线（loss/accuracy 趋势）
- 检测训练异常（震荡、发散、平台期）
- 识别最佳 checkpoint
2. 超参数对比
- 多实验横向对比矩阵
- 超参数重要性排序（基于 SHAP/fANOVA）
- 推荐下一轮搜索空间
- 可视化平行坐标图（Parallel Coordinates）
3. 过拟合检测
- 训练/验证集指标差距分析
- Early Stopping 最佳时机推荐
- 学习率调度策略评估
- 正则化强度适宜性检查
4. 模型选优与注册
- 多指标加权评分排名
- 推荐注册到 MLflow Model Registry 的候选模型
- 生成模型卡（Model Card）文档
- 版本兼容性检查
5. 实验管理增强
- 批量重命名和标签管理
- 实验归档和清理建议
- 资源消耗分析（GPU 时、内存峰值）
- 实验复现检查清单
使用方式
分析实验运行: \x3Cexperiment_id>
对比超参数: \x3Cexperiment_ids>
推荐最优模型: \x3Cexperiment_id> \x3Cmetric_name>
检测过拟合: \x3Crun_id>
输出格式
- 实验分析仪表板（Markdown + 图表）
- 超参数对比矩阵表
- 模型推荐报告（含排名理由和部署建议）
- 过拟合风险热力图
数据底座
基于 MLflow 2.x 官方文档、Optuna/Hyperopt 超参优化最佳实践、Google ML Crash Course、Full Stack Deep Learning 课程内容，覆盖 100+ 常用 ML 指标和 50+ 调参策略。
定价
¥0.50 / 次分析
安全使用建议
Install only if you are comfortable having the skill help inspect MLflow experiments, runs, and metrics. When using it, give explicit experiment or run IDs and confirm the workspace/project context so the agent does not analyze the wrong MLflow target.
能力评估
Purpose & Capability
The supplied evidence points to MLflow experiment/run analysis behavior, which is coherent with an MLflow-oriented skill and does not show unrelated, destructive, or deceptive capability.
Instruction Scope
The advisory scanner noted broad invocation phrases for experiment, run, and metric identifiers; that can cause accidental use on the wrong target, but no artifact-backed hidden behavior or automatic mutation was shown.
Install Mechanism
No concerning install mechanism, package execution, obfuscated setup, or undeclared dependency behavior was supplied or found during workspace inspection.
Credentials
No evidence shows broad local indexing, credential scraping, background workers, or environment access beyond what would be expected for interacting with user-specified MLflow resources.
Persistence & Privilege
No persistence, privilege escalation, startup hooks, or long-running background behavior was evidenced.
如何使用
- 确保已安装 OpenClaw（本地或 Docker 部署）
- 在对话框中输入安装命令：
/install mlflow-experiment-tracker-ai - 安装完成后，直接呼叫该 Skill 的名称或使用
/mlflow-experiment-tracker-ai触发 - 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v1.0.0
MLflow Experiment Tracker 1.0.0 — 首个发布版本！
- 支持 MLflow 实验日志的自动解析与训练过程可视化
- 实现多实验超参数对比、重要性排序及搜索空间推荐
- 内置过拟合检测、Early Stopping 建议及正则化评估
- 提供模型选优、注册与模型卡生成、版本兼容性检查
- 增强实验管理能力，包括批量标签、归档和资源分析
- 输出支持仪表板、对比矩阵、模型推荐报告等丰富形式
元数据
常见问题
Mlflow Experiment Tracker 是什么？
MLflow 实验追踪智能助手。自动分析实验运行结果、对比超参数配置、 检测过拟合风险、推荐最优模型，为机器学习团队提供端到端的实验管理能力。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 40 次。
如何安装 Mlflow Experiment Tracker？
在 OpenClaw 或 Claude Code 对话框中运行命令「/install mlflow-experiment-tracker-ai」即可一键安装，无需额外配置。
Mlflow Experiment Tracker 是免费的吗？
是的，Mlflow Experiment Tracker 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。
Mlflow Experiment Tracker 支持哪些平台？
Mlflow Experiment Tracker 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。
谁开发了 Mlflow Experiment Tracker？
由 ai-gaoqian（@ai-gaoqian）开发并维护，当前版本 v1.0.0。
推荐 Skills