研究检索只读clawhub未标认证来源可访问clear审计提醒

ml-experiment-tracker（毫升实验追踪器）

Agent Skill

ml-experiment-tracker 用于查找、检索和筛选相关信息，适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

总安装

16,994

周安装

730

GitHub Stars

公开资料未说明

下载量

5,957

OpenClaw

安装说明

本站只整理中文说明和来源信息，不托管安装包，也不代用户安装。

GitHub

来源数

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手，先确认命令和权限，再让它执行。

请帮我安装这个 Agent Skill：ml-experiment-tracker（毫升实验追踪器）
来源仓库：https://github.com/0x-professor/ml-experiment-tracker
安装命令：
openclaw skills install ml-experiment-tracker
安装前请先检查当前环境是否支持对应 CLI，并向我确认将要执行的命令、安装目录、联网范围和文件读写权限；确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill；本站只展示命令，不托管安装包，也不自动执行。

ClawHubOpenClaw

openclaw skills install ml-experiment-tracker

简介

ml-experiment-tracker 规划可重复的 ML 实验，记录参数、指标与工件。

适用于模型训练前的标准化实验设计与过程追溯。
通过 clawhub 安装，使用 openclaw skills install ml-experiment-tracker 命令部署。
使用前需明确定义超参空间与评估指标，避免实验设计偏差。
建议集成到 CI/CD 流程，实现实验版本控制与自动化触发。

SKILL.md

name: ml-experiment-tracker
description: Plan reproducible ML experiment runs with explicit parameters, metrics, and artifacts. Use before model training to standardize tracking-ready experiment definitions.

ML Experiment Tracker

Overview

Generate structured experiment plans that can be logged consistently in experiment tracking systems.

Workflow

Define dataset, target task, model family, and parameter search space.
Define metrics and acceptance thresholds before training.
Produce run plan with version and artifact expectations.
Export the run plan for execution in tracking tools.

Use Bundled Resources

Run scripts/build_experiment_plan.py to generate consistent run plans.
Read references/tracking-guide.md for reproducibility checklist.

Guardrails

Keep inputs explicit and machine-readable.
Always include metrics and baseline criteria.

适合场景

OpenClaw 用户查找和安装 Skill 时

用户想查找某类 Agent Skill 时

需要根据任务场景推荐可安装能力包时

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明，方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用；具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

73.39%

按下载量换算4,372

安全审计

VirusTotal

可疑

ClawScan

通过

Static analysis

未展示

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容，本身偏只读；真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息，不托管安装包，不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果，不能写成本站确认安全。当前只有一个来源，正式发布前建议补源仓库或其他目录站核验。

来源信息

GitHub 仓库

github.com

/0x-professor/ml-experiment-tracker

SKILL.md 来源

clawhub.ai

/0x-professor/ml-experiment-tracker

继续浏览同类 Skills

更多研究检索 Skills（73,675）返回 Skills 目录

上一个 Skill

ml-engineer（机器学习工程师）

ml-engineer 用于记录任务执行中的错误、用户纠正、经验和能力缺口，适合在 Codex、Claude、Cursor、Gemini CLI 中希望让 Agent 持续沉淀问题、修正和最佳实践时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。

下一个 Skill

ml-experimentation（毫升实验）

ml-experimentation 用于查找、检索和筛选相关信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态，以及是否会触发联网、命令执行或文件读写。