Skills Guide

Constructeur de serveurs ML Docker

VérifiéPrudence

Construit des conteneurs Docker pour les composants du serveur ML (FinRL, StockMixer, etc.). Utilisez des options comme --no-cache, --push, --cpu ou spécifiez un modèle pour personnaliser la construction.

Télécharger et utiliser
Spar Skills Guide Bot
DeveloppementIntermédiaire
02/06/2026
Claude Code
#ml#docker#container#build

Recommandé pour

Développeur backendClaude CodeRevue de codeDéveloppeur frontendDéveloppeur fullstackIngénieur DevOps

Synthèse automatique

Construit des conteneurs Docker pour des composants de serveur ML.

Points forts

  • Automatise la construction de plusieurs conteneurs ML.
  • Supporte des options comme --no-cache, --push, --cpu.
  • Permet de construire des modèles spécifiques.

Limites

  • Nécessite Docker et des accès à un registre.
  • Gère principalement une structure de projet spécifique.
  • Ne gère pas le déploiement ou l'orchestration avancée.
Quand l'utiliser

Lorsque vous devez construire et éventuellement pousser des images Docker pour plusieurs modèles ML.

Quand l'éviter

Pour des constructions simples d'un seul conteneur sans options avancées.

Analyse de sécurité

Prudence
Score qualité88/100

The skill orchestrates Docker builds and pushes, which requires trust in the compose files and registry credentials. While the skill itself doesn't contain destructive commands, the power of Docker warrants caution.

Points d'attention
  • •Uses Docker commands, which can access the host's Docker daemon and could potentially be exploited if the compose files are malicious.
  • •Involves pushing to a container registry, which may expose credentials if not handled securely.
  • •No declared allowed-tools, but the skill executes docker compose commands.
Comment cette analyse est faite

Exemples

Build all ML containers with no cache
/build-ml --no-cache
Build and push FinRL model
/build-ml --push finrl
Build CPU-only containers
/build-ml --cpu

name: build-ml description: Build ML server Docker containers argument-hint: "[--push|--no-cache|model]"

ML Server Builder

Build Docker containers for ML server components.

Usage

  • /build-ml - Build all ML containers
  • /build-ml --no-cache - Build without cache
  • /build-ml --push - Build and push to registry
  • /build-ml finrl - Build specific model container
  • /build-ml --cpu - Build CPU-only versions

ML Server Structure

services/ml-server/
├── docker-compose.yml      # ML services orchestration
├── docker-compose.dev.yml  # Development config
├── Dockerfile              # Base ML image
├── finrl/                  # FinRL deep learning
├── stockmixer/             # Stock mixing models
├── master/                 # Master orchestrator
├── samba/                  # Samba models
├── macrohft/               # Macro HFT models
└── src/                    # Shared ML code

Available Models

  • finrl - Deep reinforcement learning (FinRL)
  • stockmixer - Multi-asset mixing
  • master - Model orchestration
  • samba - Samba-based models
  • macrohft - Macro HFT strategies

Instructions

When this skill is invoked:

  1. Parse arguments:

    • --no-cache: Add --no-cache to docker build
    • --push: Push to container registry after build
    • --cpu: Use CPU-only base images
    • Model name: Build only that model's container

  2. Navigate to ML server directory:

    cd services/ml-server

  3. Build containers:

    # All containers
docker compose build $NO_CACHE

# Specific model
docker compose build $MODEL $NO_CACHE

  4. If --push specified:

    • Verify registry credentials
    • Tag images appropriately
    • Push to registry: 
      docker compose push $MODEL

  5. Report build results:

    • Build time per container
    • Final image sizes
    • Any build warnings
    • Layer cache efficiency

  6. Common build issues:

    • CUDA not found: Use --cpu flag or install NVIDIA container toolkit
    • Out of memory: Increase Docker memory limit
    • Pip install fails: Check requirements.txt for version conflicts
    • Model weights missing: Download from model registry first

Image Tags

  • latest - Most recent build
  • v{version} - Release versions
  • {git-sha} - Specific commit builds
  • cpu - CPU-only builds

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/ml-server-docker-builder-mmh8qr68/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/ml-server-docker-builder-mmh8qr68' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/ml-server-docker-builder-mmh8qr68/download' --output '.skill-downloads/ml-server-docker-builder-mmh8qr68/SKILL.md.part' && mv '.skill-downloads/ml-server-docker-builder-mmh8qr68/SKILL.md.part' '.skill-downloads/ml-server-docker-builder-mmh8qr68/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Aucune section de prérequis reconnue dans ce fichier. Cela ne signifie pas qu’il est autonome : les bibliothèques, outils et accès peuvent être cités ailleurs dans le contenu ou dans le dépôt source.

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/ml-server-docker-builder-mmh8qr68/SKILL.md' && test -s '.skill-downloads/ml-server-docker-builder-mmh8qr68/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/build-ml' && cp -R '.skill-downloads/ml-server-docker-builder-mmh8qr68' '.claude/skills/build-ml'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/ml-server-docker-builder-mmh8qr68'

openskills read 'ml-server-docker-builder-mmh8qr68'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/ml-server-docker-builder-mmh8qr68/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires

Bonnes pratiques React Hook Form

Developpement

Maîtrisez React Hook Form : évitez les anti-patterns, gérez les abonnements, et traitez correctement reset, dirty state et entrées contrôlées.

Claude CodeCursorWindsurf+2intermediateSûr 108,623
Skills Guide Bot

Migration Emotion vers Mantine

Developpement

Migrer les styled-components Emotion vers des composants Mantine avec style props et modules CSS. Pour convertir .styled.tsx ou supprimer les imports @emotion.

Claude CodeCursorWindsurf+1intermediateSûr 48,981
Skills Guide Bot

Détecteur de dérive de périmètre

Developpement

Analyse les diffs git par rapport à une intention pour détecter la dérive de périmètre, fichiers non liés et PR trop larges, puis suggère de garder, diviser ou justifier.

Claude CodeCursorCodexintermediateSûr 135,015
Skills Guide Bot