MLflow Python技能：统一机器学习实验追踪与量化交易指标分析工具

mlflow-python by terrylica/cc-skills

72 周安装量

24 GitHub Stars

GitHub

安装命令

npx skills add https://github.com/terrylica/cc-skills --skill mlflow-python

AI/机器学习数据分析金融科技

🇨🇳中文介绍

MLflow Python Skill

通过 Python API 实现统一的 MLflow 读写操作，并集成 QuantStats 以提供全面的交易指标。

ADR : 2025-12-12-mlflow-python-skill

注意 : 此技能使用 Pandas（MLflow API 需要它）。mlflow-python 路径会被 Polars 偏好钩子自动跳过。

何时使用此技能

能够做到 :

记录回测指标（夏普比率、最大回撤、总回报率等）
记录实验参数（策略配置、时间框架）
创建和管理实验
使用类 SQL 过滤查询运行记录
通过 QuantStats 计算 70 多个交易指标
检索指标历史记录（时间序列数据）

无法做到 :

直接访问 MLflow 后端数据库
管理工件存储（S3/GCS 配置）
MLflow 服务器管理

先决条件

身份验证设置

MLflow 使用独立的环境变量存储凭据（不嵌入在 URI 中）：

# 选项 1：mise + .env.local（推荐）
# 在技能目录下创建 .env.local 文件，内容如下：
MLFLOW_TRACKING_URI=http://mlflow.eonlabs.com:5000
MLFLOW_TRACKING_USERNAME=eonlabs
MLFLOW_TRACKING_PASSWORD=<password>

# 选项 2：直接设置环境变量
export MLFLOW_TRACKING_URI="http://mlflow.eonlabs.com:5000"
export MLFLOW_TRACKING_USERNAME="eonlabs"
export MLFLOW_TRACKING_PASSWORD="<password>"

广告位招租

在这里展示您的产品或服务

触达数万 AI 开发者，精准高效

联系我们

快速入门工作流

A. 记录回测结果（主要用例）

/usr/bin/env bash << 'SKILL_SCRIPT_EOF_2'
cd ${CLAUDE_PLUGIN_ROOT}/skills/mlflow-python
uv run scripts/log_backtest.py \
  --experiment "crypto-backtests" \
  --run-name "btc_momentum_v2" \
  --returns path/to/returns.csv \
  --params '{"strategy": "momentum", "timeframe": "1h"}'
SKILL_SCRIPT_EOF_2

uv run scripts/query_experiments.py experiments

C. 使用过滤器查询运行记录

uv run scripts/query_experiments.py runs \
  --experiment "crypto-backtests" \
  --filter "metrics.sharpe_ratio > 1.5" \
  --order-by "metrics.sharpe_ratio DESC"

uv run scripts/create_experiment.py \
  --name "crypto-backtests-2025" \
  --description "Q1 2025 cryptocurrency trading strategy backtests"

E. 获取指标历史记录

uv run scripts/get_metric_history.py \
  --run-id abc123 \
  --metrics sharpe_ratio,cumulative_return

可用的 QuantStats 指标

log_backtest.py 脚本通过 QuantStats 计算 70 多个指标，包括：

类别	指标
比率	sharpe, sortino, calmar, omega, treynor
回报	cagr, total_return, avg_return, best, worst
回撤	max_drawdown, avg_drawdown, drawdown_days
交易	win_rate, profit_factor, payoff_ratio, consecutive_wins/losses
风险	volatility, var, cvar, ulcer_index, serenity_index
高级	kelly_criterion, recovery_factor, risk_of_ruin, information_ratio

完整列表请参见 quantstats-metrics.md。

脚本	用途
`log_backtest.py`	记录回测回报率及 QuantStats 指标
`query_experiments.py`	搜索实验和运行记录（替代 CLI）
`create_experiment.py`	创建带有元数据的新实验
`get_metric_history.py`	检索指标时间序列数据

此技能使用 mise 的 [env] 模式进行配置。默认值请参见 .mise.toml。

为凭据创建 .env.local 文件（已加入 gitignore）：

MLFLOW_TRACKING_URI=http://mlflow.eonlabs.com:5000
MLFLOW_TRACKING_USERNAME=eonlabs
MLFLOW_TRACKING_PASSWORD=<password>

身份验证模式 - 惯用的 MLflow 身份验证
QuantStats 指标 - 70 多个指标的完整列表
查询模式 - DataFrame 操作
从 CLI 迁移 - CLI 到 Python API 的映射

从 mlflow-query 迁移

此技能替代了基于 CLI 的 mlflow-query 技能。主要区别：

功能	mlflow-query（旧）	mlflow-python（新）
记录指标	不支持	`mlflow.log_metrics()`
记录参数	不支持	`mlflow.log_params()`
查询运行记录	CLI 文本解析	DataFrame 输出
指标历史记录	仅变通方案	原生支持
身份验证模式	嵌入在 URI 中	独立的环境变量

详细映射请参见 migration-from-cli.md。

问题	原因	解决方案
连接被拒绝	MLflow 服务器未运行	验证 MLFLOW_TRACKING_URI 和服务器状态
身份验证失败	凭据错误	检查 .env 文件中的 MLFLOW_TRACKING_USERNAME 和 PASSWORD
实验未找到	实验名称拼写错误	运行 `query_experiments.py experiments` 列出所有实验
QuantStats 导入错误	缺少依赖项	在技能目录下运行 `uv add quantstats`
Pandas 导入警告	此技能预期会出现	忽略 - MLflow 需要 Pandas（已被钩子排除）
运行创建失败	实验不存在	使用 `create_experiment.py` 先创建实验
指标历史记录为空	错误的 run_id 或指标名称	使用 `query_experiments.py runs` 验证 run_id
回报率 CSV 解析错误	错误的日期格式或列	检查 CSV 是否包含日期索引和回报率列

2026 年 1 月 24 日

🇺🇸English

MLflow Python Skill

Unified read/write MLflow operations via Python API with QuantStats integration for comprehensive trading metrics.

ADR : 2025-12-12-mlflow-python-skill

Note : This skill uses Pandas (MLflow API requires it). The mlflow-python path is auto-skipped by the Polars preference hook.

When to Use This Skill

CAN Do :

Log backtest metrics (Sharpe, max_drawdown, total_return, etc.)
Log experiment parameters (strategy config, timeframes)
Create and manage experiments
Query runs with SQL-like filtering
Calculate 70+ trading metrics via QuantStats
Retrieve metric history (time-series data)

CANNOT Do :

Direct database access to MLflow backend
Artifact storage management (S3/GCS configuration)
MLflow server administration

Prerequisites

Authentication Setup

MLflow uses separate environment variables for credentials (NOT embedded in URI):

# Option 1: mise + .env.local (recommended)
# Create .env.local in skill directory with:
MLFLOW_TRACKING_URI=http://mlflow.eonlabs.com:5000
MLFLOW_TRACKING_USERNAME=eonlabs
MLFLOW_TRACKING_PASSWORD=<password>

# Option 2: Direct environment variables
export MLFLOW_TRACKING_URI="http://mlflow.eonlabs.com:5000"
export MLFLOW_TRACKING_USERNAME="eonlabs"
export MLFLOW_TRACKING_PASSWORD="<password>"

Verify Connection

/usr/bin/env bash << 'SKILL_SCRIPT_EOF'
cd ${CLAUDE_PLUGIN_ROOT}/skills/mlflow-python
uv run scripts/query_experiments.py experiments
SKILL_SCRIPT_EOF

Quick Start Workflows

A. Log Backtest Results (Primary Use Case)

/usr/bin/env bash << 'SKILL_SCRIPT_EOF_2'
cd ${CLAUDE_PLUGIN_ROOT}/skills/mlflow-python
uv run scripts/log_backtest.py \
  --experiment "crypto-backtests" \
  --run-name "btc_momentum_v2" \
  --returns path/to/returns.csv \
  --params '{"strategy": "momentum", "timeframe": "1h"}'
SKILL_SCRIPT_EOF_2

B. Search Experiments

uv run scripts/query_experiments.py experiments

C. Query Runs with Filter

uv run scripts/query_experiments.py runs \
  --experiment "crypto-backtests" \
  --filter "metrics.sharpe_ratio > 1.5" \
  --order-by "metrics.sharpe_ratio DESC"

D. Create New Experiment

uv run scripts/create_experiment.py \
  --name "crypto-backtests-2025" \
  --description "Q1 2025 cryptocurrency trading strategy backtests"

E. Get Metric History

uv run scripts/get_metric_history.py \
  --run-id abc123 \
  --metrics sharpe_ratio,cumulative_return

QuantStats Metrics Available

The log_backtest.py script calculates 70+ metrics via QuantStats, including:

Category	Metrics
Ratios	sharpe, sortino, calmar, omega, treynor
Returns	cagr, total_return, avg_return, best, worst
Drawdown	max_drawdown, avg_drawdown, drawdown_days
Trade	win_rate, profit_factor, payoff_ratio, consecutive_wins/losses
Risk	volatility, var, cvar, ulcer_index, serenity_index
Advanced	kelly_criterion, recovery_factor, risk_of_ruin, information_ratio

See quantstats-metrics.md for full list.

Bundled Scripts

Script	Purpose
`log_backtest.py`	Log backtest returns with QuantStats metrics
`query_experiments.py`	Search experiments and runs (replaces CLI)
`create_experiment.py`	Create new experiment with metadata
`get_metric_history.py`	Retrieve metric time-series data

Configuration

The skill uses mise [env] pattern for configuration. See .mise.toml for defaults.

Create .env.local (gitignored) for credentials:

MLFLOW_TRACKING_URI=http://mlflow.eonlabs.com:5000
MLFLOW_TRACKING_USERNAME=eonlabs
MLFLOW_TRACKING_PASSWORD=<password>

Reference Documentation

Authentication Patterns - Idiomatic MLflow auth
QuantStats Metrics - Full list of 70+ metrics
Query Patterns - DataFrame operations
Migration from CLI - CLI to Python API mapping

Migration from mlflow-query

This skill replaces the CLI-based mlflow-query skill. Key differences:

Feature	mlflow-query (old)	mlflow-python (new)
Log metrics	Not supported	`mlflow.log_metrics()`
Log params	Not supported	`mlflow.log_params()`
Query runs	CLI text parsing	DataFrame output
Metric history	Workaround only	Native support
Auth pattern	Embedded in URI	Separate env vars

See migration-from-cli.md for detailed mapping.

Troubleshooting

Issue	Cause	Solution
Connection refused	MLflow server not running	Verify MLFLOW_TRACKING_URI and server status
Authentication failed	Wrong credentials	Check MLFLOW_TRACKING_USERNAME and PASSWORD in .env
Experiment not found	Experiment name typo	Run `query_experiments.py experiments` to list all
QuantStats import error	Missing dependency	`uv add quantstats` in skill directory
Pandas import warning	Expected for this skill	Ignore - MLflow requires Pandas (hook-excluded)
Run creation fails	Experiment doesn't exist	Use `create_experiment.py` to create first

Weekly Installs

Repository

terrylica/cc-skills

GitHub Stars

First Seen

Jan 24, 2026

Security Audits

Gen Agent Trust HubPass SocketPass SnykPass

Installed on

opencode67

codex64

gemini-cli64

cursor62

github-copilot62

claude-code62

专业SEO审计工具：全面网站诊断、技术SEO优化与页面分析指南

68,800 周安装

MLflow Python技能：统一机器学习实验追踪与量化交易指标分析工具

🇨🇳中文介绍

MLflow Python Skill

何时使用此技能

先决条件

身份验证设置

相关 Skills

验证连接

快速入门工作流

A. 记录回测结果（主要用例）

B. 搜索实验

C. 使用过滤器查询运行记录

D. 创建新实验

E. 获取指标历史记录

可用的 QuantStats 指标

捆绑脚本

配置

参考文档

从 mlflow-query 迁移

故障排除

🇺🇸English

MLflow Python Skill

When to Use This Skill

Prerequisites

Authentication Setup

Verify Connection

Quick Start Workflows

A. Log Backtest Results (Primary Use Case)

B. Search Experiments

C. Query Runs with Filter

D. Create New Experiment

E. Get Metric History

QuantStats Metrics Available

Bundled Scripts

Configuration

Reference Documentation

Migration from mlflow-query

Troubleshooting

最新 Skills