AI模型和软件一样需要版本管理——但模型的"版本"更复杂：数据集版本、训练参数、模型权重、推理配置都需要被追溯。
| 要素 | 说明 | 工具 |
|---|---|---|
| 数据集版本 | 训练/测试数据版本 | DVC、LakeFS |
| 训练配置 | 超参数、模型架构 | MLflow、Weights & Biases |
| 模型权重 | 模型checkpoint | Model Registry |
| 评估结果 | 各版本评测数据 | MLflow、自定义 |
操作：验证模型回退到上一版本后，系统行为是否恢复正常
操作：从生产环境中的某个推理结果，追溯到模型版本、训练数据、代码commit