$ loading_
监控生产环境机器学习模型漂移、性能下降并提供告警与重训建议
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP ML Monitor" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请监控线上用户流失预测模型，检测输入特征分布漂移、预测置信度变化和AUC下降；当任一指标超过阈值时生成告警，并给出是否需要重训的建议。
返回漂移与性能监控报告，包含异常指标、告警信息和重训建议。
为电商推荐模型建立生产监控，跟踪点击率、转化率、延迟和关键特征漂移；请按严重程度输出自动告警规则，并说明哪些情况需要立即回滚模型。
生成分级告警方案，列出监控指标、阈值和回滚触发条件。
分析过去30天欺诈检测模型的线上表现，结合精确率、召回率、误报率和数据漂移情况，判断是否应启动重训，并给出优先处理的特征与数据窗口建议。
输出重训决策建议，包含依据、优先特征和推荐训练数据范围。
用于检测机器学习漂移、比对 MLflow 注册表并支持受 HMAC 保护的模型回滚
监控并管理 Modal 训练任务，帮助查看长期运行的 GPU 训练状态。
帮助团队追踪 AI 调用指标、成本与日志，并排查模型交互问题
扫描多语言代码库，识别残缺结构并量化 LLM 上下文漂移风险
帮助 AI 实时监控 Docker 容器、系统资源、端口与日志状态
运行测试与静态检查并汇总错误，帮助开发者高效迭代调试并减少上下文噪音。