Agent Skill · 待分类

querying-mlflow-metrics（查询 mlflow 指标）

querying-mlflow-metrics 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息，适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。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。

querying-mlflow-metrics 是待分类类 Agent Skill，可用宿主为 Codex、Claude、Cursor、Gemini CLI，通过GitHub 仓库获取，权限为需要联网；许可证信息还不明确，第三方扫描已通过，按安装量在待分类类的 11,209 个 Skill 里排第 1,133。

总安装 4,906周安装 192GitHub Stars 35下载 1,505核验 2026-05-01

待分类需要联网 GitHub 仓库未标认证来源可访问许可证需确认审计通过 Codex Claude Cursor Gemini CLI

安装说明

本站只整理中文说明，不托管安装包，也不代用户安装。

GitHub

许可证: unknown

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：querying-mlflow-metrics（查询 mlflow 指标）
来源仓库：https://github.com/mlflow/skills
仓库路径：skills/querying-mlflow-metrics
安装命令：
npx skills add https://github.com/mlflow/skills --skill querying-mlflow-metrics
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 npx skills 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。

skills.shnpx skills

npx skills add https://github.com/mlflow/skills --skill querying-mlflow-metrics

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定，用法以来源仓库的说明为准。

查询 mlflow 指标工具用于提取实验运行中的数值记录。它支持按条件筛选、聚合统计和可视化准备。通过 mlflow/skills 路径安装，适用于数据分析工作流。需确保有权限访问目标实验运行记录，防止数据泄露。querying-mlflow-metrics 属于待分类类 Skill，可作为该场景下的辅助能力补充。

来源仓库内路径：skills/querying-mlflow-metrics

上手步骤

4 步

1
确认自己的宿主工具
公开资料标注支持 Codex、Claude、Cursor、Gemini CLI；先确认自己用的是其中之一，再按对应工具的 Skills 目录放置。
2
拿到安装命令
可以直接复制的命令是 npx skills add https://github.com/mlflow/skills --skill querying-mlflow-metrics；命令里的占位符换成自己的路径或密钥再执行。
3
安装后重启宿主
命令执行完要完全退出宿主工具再打开，让新装的 Skill 被重新扫描到，否则列表里可能看不到。
4
按最小权限试用
它需要需要联网，先在测试目录或测试账号里跑，确认没问题再放到正式项目。

常见问题

6 条

querying-mlflow-metrics 怎么安装？

在终端执行 npx skills add https://github.com/mlflow/skills --skill querying-mlflow-metrics。装完完全退出宿主工具再打开，让它重新扫描本地 Skill。

querying-mlflow-metrics 支持哪些 AI 工具？

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录，一般也能手动放进去，但要自己确认触发方式是否一致。

querying-mlflow-metrics 需要什么权限？

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API；具体网络访问范围需要结合源码和 README 复核。

querying-mlflow-metrics 是免费的吗？

公开资料没有标注明确许可证，收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

querying-mlflow-metrics 用的人多吗？

公开数据是累计安装 4,906 次，近一周安装 192 次，下载 1,505 次，GitHub 35 星。这些数字来自第三方目录统计，只能当作热度参考，不代表质量或安全性。

querying-mlflow-metrics 安全吗？

第三方扫描结果为通过，但这只覆盖已知的静态检查项，不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

同时适配 4 种工具，换客户端不用重新找替代品。
第三方扫描已通过，常见的高风险行为没有命中。

先想清楚的地方

许可证没有明确标注，能不能商用、能不能再分发都不确定。
第三方目录整理，版本更新和行为细节以来源仓库为准。

适不适合你

更适合

已经在用 Codex，想直接扩展它能力的人。
需要处理待分类类任务、又不想每次都手写提示词的人。

不太适合

需要明确授权才能用到公司项目里的场景。
需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类

Skill	总安装	GitHub 星	权限	许可证	扫描
infsh-cli infsh CLI · Codex、Claude	4,374,576	382	权限未标注	未明确	未收录
ai-video-generation AI 视频生成 · Codex、Claude	4,313,376	382	调用外部服务	未明确	有提醒
lark-openapi-explorer 云雀 OpenAPI 浏览器 · Codex、Claude	2,064,120	9,011	需要联网	未明确	有提醒
lark-workflow-standup-report Lark 工作流程站立报告 · Codex、Claude	2,041,632	8,978	需要联网	未明确	通过
use-my-browser 使用我的浏览器 · Codex、Claude	1,848,491	40	操作浏览器	未明确	未通过
querying-mlflow-metrics 查询 mlflow 指标 · 本页	4,906	35	需要联网	未明确	通过

按安装量取同分类前几名；数字来自第三方目录统计，只作热度参考，不代表质量结论。

SKILL.md 原文

MLflow Metrics

Run scripts/fetch_metrics.py to query metrics from an MLflow tracking server.

Examples

Token usage summary:

python scripts/fetch_metrics.py -s http://localhost:5000 -x 1 -m total_tokens -a SUM,AVG

Output: AVG: 223.91 SUM: 7613

Hourly token trend (last 24h):

python scripts/fetch_metrics.py -s http://localhost:5000 -x 1 -m total_tokens -a SUM \
    -t 3600 --start-time="-24h" --end-time=now

Output: Time-bucketed token sums per hour

Latency percentiles by trace:

python scripts/fetch_metrics.py -s http://localhost:5000 -x 1 -m latency -a AVG,P95 -d trace_name

Error rate by status:

python scripts/fetch_metrics.py -s http://localhost:5000 -x 1 -m trace_count -a COUNT -d trace_status

Quality scores by evaluator (assessments):

python scripts/fetch_metrics.py -s http://localhost:5000 -x 1 -v ASSESSMENTS \
    -m assessment_value -a AVG,P50 -d assessment_name

Output: Average and median scores for each evaluator (e.g., correctness, relevance)

Assessment count by name:

python scripts/fetch_metrics.py -s http://localhost:5000 -x 1 -v ASSESSMENTS \
    -m assessment_count -a COUNT -d assessment_name

JSON output: Add -o json to any command.

Arguments

Arg	Required	Description
`-s, --server`	Yes	MLflow server URL
`-x, --experiment-ids`	Yes	Experiment IDs (comma-separated)
`-m, --metric`	Yes	`trace_count`, `latency`, `input_tokens`, `output_tokens`, `total_tokens`
`-a, --aggregations`	Yes	`COUNT`, `SUM`, `AVG`, `MIN`, `MAX`, `P50`, `P95`, `P99`
`-d, --dimensions`	No	Group by: `trace_name`, `trace_status`
`-t, --time-interval`	No	Bucket size in seconds (3600=hourly, 86400=daily)
`--start-time`	No	`-24h`, `-7d`, `now`, ISO 8601, or epoch ms
`--end-time`	No	Same formats as start-time
`-o, --output`	No	`table` (default) or `json`

For SPANS metrics (span_count, latency), add -v SPANS. For ASSESSMENTS metrics, add -v ASSESSMENTS.

See references/api_reference.md for filter syntax and full API details.

平台分布

Codex

37.83%

按下载量换算569

Claude

28.33%

按下载量换算426

Cursor

17.15%

按下载量换算258

Gemini CLI

10.18%

按下载量换算153

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API；具体网络访问范围需要结合源码和 README 复核。

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。目前只有一个公开来源，建议同时核对源仓库。

继续浏览同类 Skills

更多待分类 Skills（11,209）返回 Skills 目录

上一个 Skill

querying-mlflow-metrics（查询 mlflow 指标）

b-step62/skills

下一个 Skill

quick-journal（快速日记）

taylorhuston/local-life-manager

quick-journal 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。