Codex MCAF 机器学习交付：规划基线与验证记录

Codex 安装步骤

打开固定版本的 GitHub 原文，从该版本保留 `.codex/skills/mcaf-ml-ai-delivery/` 整个目录。将它放入目标项目的 `.agents/skills/mcaf-ml-ai-delivery/`。
在目标项目中打开 Codex，输入 `$mcaf-ml-ai-delivery` 并给出本页示例里的任务和所需输出。

按项目阶段明确数据假设、实验基线和可观察结果。适合为小规模分类或检索实验选择验证方式与退出条件。

给 `$mcaf-ml-ai-delivery` 一份虚构的图书标签分类项目。请设计关键词基线、固定验证集与可复验的比较流程。

实验计划有可确认的基线、样例字段与评价步骤，并记录数据或范围限制。

GitHub 原文 · 更新日期 2026-11-13

Codex 与 FeatureChecker 或采用 MCAF 的项目，准备可使用的合成数据、项目目标和当前评估说明。

同一输入与指标下比较基线，能区分模型的真实收益和数据切分或口径变化。