ml-harness
为Pi设备定制的机器学习编排与工作流工具
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：ml-harness。 它的用途是：为Pi设备定制的机器学习编排与工作流工具 完整的 Skill 内容见：https://321skill.com/skills/ml-harness/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“启动Nosh协调器，并运行图像分类的私有工作流。”，它会初始化主聊天协调器，加载预配置的图像分类子智能体，并在你指定的私有数据链上执行整个推理流程，最后将结果返回给你。
介绍
ml-harness 是一个专为 Raspberry Pi 等边缘计算设备设计的定制化机器学习工具链。它主要解决了在资源受限的边缘设备上，部署和管理复杂机器学习工作流的难题。
该工具通过一个名为“Nosh”的主聊天协调器来统一调度任务，并内置了多个子智能体（subagents）来执行特定功能，同时支持创建私有链式工作流，确保数据处理和模型推理的私密性与可控性。用户可以通过简单的命令启动协调器，并与其交互来编排整个机器学习流程。
它非常适合在边缘侧进行机器学习原型开发、部署私有化AI应用的研究人员、嵌入式开发者以及希望将AI能力集成到本地硬件项目中的极客。
使用建议是，由于它针对Pi等设备优化，建议在类似架构的Linux环境下使用。对于复杂的模型，仍需考虑设备的内存和算力限制。初次使用时，建议从官方示例工作流开始，熟悉Nosh协调器的指令格式。
核心特点
其核心区别在于专为Raspberry Pi等边缘设备深度优化，并采用独特的“主聊天协调器+捆绑子智能体”架构，而非通用的ML框架，同时内置了对私有链式工作流的原生支持，强调在资源受限环境下的任务编排与隐私保护。
注意事项
不适合需要高性能GPU进行大规模模型训练或处理超大型数据集的场景。
常见问题
ml-harness 能在普通电脑上用吗？
主要针对Pi优化，但可在Linux/macOS等类似环境尝试，性能表现可能不同。
Nosh 协调器怎么用？
安装后运行相应命令启动Nosh，通过自然语言指令与其交互，管理子智能体和工作流。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/ml-harness/raw/index.md 读取 ml-harness 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/ml-harness/raw/index.md（查看排版版本）