← Recherche

Model Deployment — ship trained ML models as production APIs
Agents IA 🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026 📌 Version épinglée : commit 75865a5
Test d’installation seulement, à la date indiquée. Ne garantit pas la sécurité du code.
⚙ Prérequis: un modèle entraîné avec ses dépendances…

Model Deployment — ship trained ML models as production APIs

Un workflow de bout en bout pour déployer des modèles ML entraînés — sérialisation (ONNX/TorchScript), serving FastAPI/Flask avec health checks, packaging Docker, déploiement Kubernetes ou serverless, monitoring Prometheus/Grafana, stratégies blue-green et canary

L’essentiel
Quoi
Un workflow de bout en bout pour déployer des modèles ML entraînés — sérialisation (ONNX/TorchScript), serving FastAPI/Flask avec health checks, packaging Docker, déploiement Kubernetes ou serverless, monitoring Prometheus/Grafana, stratégies blue-green et canary
Coût
Gratuit
Prérequis
un modèle entraîné avec ses dépendances ; un registre de conteneurs ; une cible de déploiement (cluster Kubernetes, hôte Docker ou plateforme serverless) ; comptes cloud le cas échéant (ressources payantes)
Installation
Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.

Version :

Réponse rapide

Model Deployment est un skill gratuit, un workflow pour livrer un modèle entraîné en service prêt pour la production. Il sérialise vers un format portable comme ONNX, TorchScript, SavedModel ou joblib, construit une API de serving avec FastAPI ou Flask avec health checks, conteneurise avec un Dockerfile, et configure un déploiement Kubernetes ou serverless avec monitoring et stratégies.

⌁

Installation

Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit 75865a5

Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : un modèle entraîné avec ses dépendances ; un registre de conteneurs ; une cible de déploiement (cluster Kubernetes, hôte Docker ou plateforme serverless) ; comptes cloud le cas échéant (ressources payantes) Installe-moi « Model Deployment — livrer des modèles ML entraînés en APIs de production ». Il donne à mon agent le workflow de déploiement de bout en bout de @seb1n : sérialiser le modèle (ONNX/TorchScript/SavedModel/joblib), construire une API de serving FastAPI/Flask avec health checks et validation Pydantic, packager avec Docker, déployer sur Kubernetes ou serverless, lancer des smoke tests, puis monitorer avec Prometheus/Grafana en déploiements blue-green ou canary. Licence MIT. Dépôt : https://raw.githubusercontent.com/seb1n/awesome-ai-agent-skills/75865a5d037a4cdaa7f409a4ec14ab9b0292920b/ai-ml-operations/model-deployment/SKILL.md Version épinglée : installe le code au commit 75865a5d037a4cdaa7f409a4ec14ab9b0292920b exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Les manifests de déploiement et Dockerfiles s'exécutent contre l'infrastructure live — vérifie les sources d'images et qu'aucun secret n'est embarqué. Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « model-deployment ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. fournir mon artefact de modèle et mes identifiants de registre via le coffre, relire chaque manifest généré avant application, et lancer moi-même les smoke tests — les plans de déploiement touchent l'infrastructure live et créent des ressources facturables). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.

🔒 Sécurité, provenance et ce que ça touche
🧭 Ce que ça touche
D’après le prompt d’installation que nous avons analysé, ce skill ne lance pas de commandes, ne fait pas d’appels réseau à des tiers, n’installe pas de paquets, n’écrit pas de fichiers et ne demande pas de clés API.
Analyse du prompt d’installation · 2026-10-13
🔒 Sécurité et provenance
📌 Version épinglée : commit 75865a5 · 2026-10-13
🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026
👁 Observé pendant le test d’installation · 11 nov. 2026 : aucun contact réseau
🔎 Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Envie d'être encore plus prudent ?

Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?

Comment vérifier un skill avant de l’installer →

✓

Certificat de vérification

Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.

Version épinglée
75865a5 · 2026-10-13
Test d’installation en sandbox
Installation exécutée dans notre sandbox de test · 11 nov. 2026
Identité du créateur
Non vérifiée
Veille d’empreinte
Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
Analyse du prompt d’installation
2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.

Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions

?

Questions

Comment installer un skill ?

Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.

Où va mon argent ?

Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.

Que signifie le ✓ à côté du nom d’un créateur ?

Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.