Probabl Skills — плагин
Скиллы Probabl для экспериментов по машинному обучению: пайплайн на scikit-learn и skrub, оценка, аудит и подключение к Skore Hub
- 145 ★ репозитория
- Последний коммит
- BSD-3-Clause
Минимальный доступ
Почему такой уровень
- Агент выполняет код экспериментов и пишет файлы в рабочую папку, поэтому изменения нужно просматривать
- Подключение к Skore Hub отправляет результаты экспериментов во внешний сервис Probabl
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add plugins/probabl-skillsОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Агент выполняет код экспериментов и пишет файлы в рабочую папку, поэтому изменения нужно просматривать
- Подключение к Skore Hub отправляет результаты экспериментов во внешний сервис Probabl
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Probabl Skills — набор скиллов от компании Probabl, которые направляют агента в экспериментах по машинному обучению. Агент собирает пайплайн на базовых библиотеках (`scikit-learn`, `skrub`, `skore`, `pandas`, `polars`) и следует методологии, а результаты оценивает и сохраняет так, чтобы их было легко проверить. Скиллы подключают агента к Skore Hub для общей картины экспериментов, помогают составить следующий эксперимент из аудита Skore и замечаний пользователя и организуют рабочую папку по шаблону data science (`cookiecutter`). В каталоге `eval` лежат проверочные запросы для скиллов вроде `build-ml-pipeline`, `evaluate-ml-pipeline`, `audit-ml-pipeline`, `explore-ml-data` и `export-ml-notebook`. Установщик входит в пакет `skore`: команда `skore skills install` открывает выбор источника, скиллов, агента и каталога. Можно поставить пакет по идентификатору: `setup`, `data_analysis`, `model`, `loop` или `export`. Каждый скилл объявляет уровень модели (`small`, `medium`, `big`), а авторы проверяли работу в Claude Code, OpenCode, Cursor и GitHub Copilot.
Для кого. Специалистам по данным и ML-инженерам, которые ведут эксперименты с агентом и хотят единую методологию, проверяемые результаты и порядок в рабочей папке.
Подходит, если
- Нужно поручить агенту базовый пайплайн на scikit-learn по данным из папки `data/`
- Результаты экспериментов надо сохранять и аудировать через Skore
- Следующие эксперименты строятся из аудита и замечаний пользователя
- Рабочая папка ML-проекта должна следовать шаблону data science
Не подходит, если
- Задача вне табличного машинного обучения: скиллы рассчитаны на табличные данные
- Нужна своя методология, которая расходится с выбранными библиотеками
- Установщик `skore` и доступ в сеть для установки недоступны
Пример запроса к агенту
Опираясь на `data/README.md` и данные в `data/`, построй первый базовый пайплайн машинного обучения и сохрани результат оценкиОграничения
Установка идет через пакет `skore` с PyPI или conda-forge (pip, uv, pixi или conda), отдельной ручной установки в README нет. Скиллы нацелены на табличные данные и стек scikit-learn, skrub, skore, pandas и polars. Подключение к Skore Hub зависит от внешнего сервиса Probabl. Агент выполняет код экспериментов на вашей машине и пишет файлы в рабочую папку, поэтому результаты проверяют вручную. Последний коммит датирован 9 ноября 2026 года, уровни моделей и состав пакетов могут меняться.
Как отключить. Удалите установленные папки скиллов из каталога навыков агента (проектного или пользовательского), куда их положила команда `skore skills install`, и отключите Skore Hub, если подключали.
Частые вопросы
Как установить скиллы Probabl?
Поставить пакет `skore` (pip, uv, pixi или conda) и выполнить `skore skills install`: команда откроет выбор скиллов и агента.
Какие пакеты скиллов есть?
`setup` (среда, git, экспорт), `data_analysis`, `model`, `loop` и `export` для ноутбуков и сайта документации.
Какие агенты проверяли авторы?
Claude Code, OpenCode, Cursor и GitHub Copilot, существенной разницы в вызове скиллов не нашли.
Что такое уровень модели у скилла?
Поле `metadata.modelTier` со значениями `small`, `medium` или `big`. Помощник никогда не загружает скилл более высокого уровня, чем у вызывающего.
Нужен ли Skore Hub?
Нет, он нужен только для общей картины экспериментов. Скиллы работают и без него.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
ПлагиныСкилл и Python-пакет для подбора гиперпараметров: агент читает код, предлагает следующий набор значений, а результат измеряет ваш запуск
Шаблон для аналитиков данных: AGENTS.md, CLAUDE.md и набор скиллов по Python, SQL, Polars и диагностике моделей.
High-Stakes Analytics Lab
High-Stakes Analytics & Decision Lab
Скилл доказательной аналитики для решений с высокой ценой ошибки: профилирует данные, выбирает метод под них, может ответить отказом или запросом данных
24 скилла по численным методам и материаловедению: агент проверяет устойчивость, сетки, сходимость и запуски на кластере.
Скилл ведет соревнование Kaggle от правил и фолдов до оцененной подачи, с отладкой скрытых перезапусков и ансамблями
SciAgent-Skills — скиллы по биоинформатике
SciAgent-Skills
Около 200 скиллов для Claude Code по биоинформатике, химии и биостатистике: от анализа РНК-секвенирования до докинга молекул
Коротко о README
README объясняет, что скиллы направляют агента в экспериментах по машинному обучению, и перечисляет пять задач. Показан пример запроса, затем уровни моделей и проверка работы в нескольких агентах. Дальше идут установка через `skore` и описание пакетов.