section-ml-ai

npx skills add majiayu000/claude-skill-registry --skill section-ml-ai --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

--- name: section-ml-ai description: Generate comprehensive R machine learning and AI tutorials (mlr3, tidymodels, xgboost, torch, etc.) with theory + practice workflow. Use when: (1) User requests ML/AI tutorials, (2) File names match 10xx-*.rmd pattern, (3) Keywords: classification, regression, clustering, feature engineering, hyperparameter tuning, random forest, SVM, neural networks. --- ## 核心任务 生成机器学习与 AI 类教程 (.rmd/.qmd)，涵盖算法原理、工程实践、模型评估、可解释性，强调 "问题定义 → 数据准备 → 模型训练 → 评估优化 → 可解释性"。 ## 快速启动 (Quick Start) 1. **确定算法**: 如 "随机森林分类 (Random Forest)"。 2. **加载模板**: 阅读 [content-structure.md](references/content-structure.md) 获取 YAML 和标题结构。 3. **生成内容**: 遵循 "原理 -> 工作流 -> 训练 -> 评估 -> 调参 -> 可解释性" 流程。 4. **视觉设计**: 参考 [visual-templates.md](references/visual-templates.md) 生成封面图和算法流程图。 5. **质量检查**: 验证交叉验证与导航更新。 ## 完整工作流程 ### 步骤1: 逐部分生成教程内容（CRITICAL - 分段生成策略） **⚠️ 重要：教程内容超过 300 行时必须分段生成，避免一次性输出过长内容。** **分段生成流程**： 1. **第一部分**：生成 YAML 头部 + Setup + 教程目标 + 算法原理 + 数据准备（约 150-200 行） 2. **第二部分**：追加模型训练 + 模型评估 + 超参数优化（约 150-200 行） 3. **第三部分**：追加模型可解释性 + 实战案例 + 总结（约 100-150 行） 4. **验证完整性**：确认所有必需章节都已包含 **使用 `edit` 或 `bash` 追加内容时的注意事项**： - 使用 `edit` 工具在特定位置插入内容 - 或使用 `cat >> file.rmd << 'EOF'` 追加大段内容 - 每次追加

grep "!\[.*\](images/diagrams/" doc/[number]-[topic].rmd
quarto render doc/[number]-[topic].rmd
quarto render doc/sections/machine-learning.qmd
quarto render doc/index.qmd
git add doc/[number]-[topic].rmd doc/images/[number]-[topic]-cover.svg
git add doc/_quarto.yml doc/0001-guide.rmd README.md doc/sections/machine-learning.qmd
git commit -m "feat(ml): 新增[算法名称]机器学习教程"