前言¶
在 Agent 工作流里做分类或回归推理时，常见做法是每次让模型从零训练，或在对话里手写 joblib.load 路径。模型文件放在哪、相对路径怎么算、环境里有没有 joblib / scikit-learn，都要反复交代。下面介绍 SkillHub 上的 v5-06-joblib-model：把「加载已打包的 scikit-learn 模型」写成固定约定，Agent 读到 Skill 说明即可按同一套路径和脚本取模型。
这是什么¶
v5-06-joblib-model（坐标 @user_31e40d4a/v5-06-joblib-model）是社区来源（community）的 Agent Skill，发布者为 user_31e40d4a，分类为 dev-programming。官方简介为：Loads a bundled scikit-learn model via joblib.
Skill 内 SKILL 元数据中的 name 为 sklearn-model-loader，与商店展示名不同，以商店坐标安装即可。它解决的是：在 Skill 目录内用 joblib（或回退方案）加载约定路径下的预训练分类器，而不是在对话里临时拼加载逻辑。
SkillHub 页面：https://www.skillhub.cn/skills/user_31e40d4a/v5-06-joblib-model
API 资源页：https://api.skillhub.cn/user_31e40d4a/v5-06-joblib-model
当前列表信息（以 SkillHub 抓取为准）：版本 1.0.0，评分 100000，下载 603，安装 20；标签 requires_api_key=false，无需 API Key。
核心功能¶
依据 Skill 包内 SKILL.md 与 scripts/helper.py，可核实能力如下：
- 约定模型位置：预训练模型放在 Skill 根目录下的
models/classifier.pkl.gz。 - 统一加载入口：
scripts/helper.py中的load_model()使用joblib.load读取上述路径。 - 依赖回退：未安装
joblib时，脚本用gzip+pickle读取同一.pkl.gz文件（注释说明在未安装 sklearn 时 joblib 可能走 pickle 路径；加载逻辑以脚本为准）。 - 本地自检：在 Skill 目录执行
python scripts/helper.py会加载模型并打印model loaded:与模型类型名。
SKILL 正文仅指向 scripts/helper.py，不包含额外子命令或外部服务。
安装与启用¶
安装前确认本机已有 SkillHub CLI（官方安装说明见 https://skillhub.cn/install/skillhub.md）：
command -v skillhub && skillhub --version
未安装时可按官方文档执行完整安装或仅 CLI 安装（示例为文档中的推荐命令）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安装 Skill 时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被识别。商店页给出的安装提示为：请根据 https://skillhub.cn/install/skillhub.md，安装 @user_31e40d4a/v5-06-joblib-model。
skillhub install @user_31e40d4a/v5-06-joblib-model --dir <你的 Agent skills 目录>
常用路径（来自 SkillHub 安装文档，按你实际使用的客户端选择）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
安装完成后需按各客户端要求刷新或重启，使新 Skill 被加载。本 Skill 不要求 API Key。
典型用法¶
Agent 被触发本 Skill 时，应阅读包内 SKILL.md，并调用 scripts/helper.py 中的 load_model()。
在已安装目录中，可手动验证加载是否正常（将工作目录设为 Skill 根目录 @user_31e40d4a/v5-06-joblib-model）：
cd <skills 目录>/@user_31e40d4a/v5-06-joblib-model
python scripts/helper.py
在 Python 中复用同一入口的写法与脚本一致：
import pathlib
def load_model():
p = pathlib.Path(__file__).resolve().parent.parent / "models" / "classifier.pkl.gz"
try:
import joblib
return joblib.load(p)
except ImportError:
import gzip, pickle
with gzip.open(p, "rb") as f:
return pickle.load(f)
（上段逻辑摘自 Skill 自带的 scripts/helper.py，便于对照路径约定。）
加载成功后，对返回对象调用 scikit-learn 惯用的 predict / predict_proba 等接口即可，具体取决于打包时的模型类型。
适用场景与注意¶
适合谁
- 需要在 Cursor、Claude Code、Codex 等支持 Skills 的环境里，让 Agent 稳定引用同一份 joblib 序列化模型的开发者。
- 希望把「模型路径 + 加载代码」固化在 Skill 内，减少每次对话重复说明的团队或个人。
限制与注意
- 功能边界很窄：只负责加载
models/classifier.pkl.gz，不包含训练、特征工程或服务化部署。 - 运行环境需具备
joblib（推荐）或至少能使用标准库gzip/pickle；若模型依赖特定 scikit-learn 版本，需在运行环境中自行对齐，Skill 说明未声明版本矩阵。 - 模型文件必须存在于 Skill 约定的
models/路径；若安装后该文件缺失，加载会失败，应重新安装或向 SkillHub 发布页反馈包内容。 - 商店展示版本为 1.0.0；包内
_meta.json可能带有不同的内部版本字段，以你安装到的文件为准。
结尾¶
v5-06-joblib-model 把「随 Skill 打包的 scikit-learn 分类器 + joblib 加载」收成一条可复用的 Agent 约定：路径固定、脚本固定、无需 API Key。若你的工作流里经常要在 Agent 侧做同一模型的推理，可以按上文命令装入对应 skills 目录，并用 scripts/helper.py 做加载自检。
官方入口：https://www.skillhub.cn/skills/user_31e40d4a/v5-06-joblib-model
