3. Artifact核心概念

在金融模型治理中，Artifact（制品）是贯穿模型研发、验证、上线与运维全流程的最小可追溯单元。它不仅是文件本身，更承载了版本、血缘、审批状态与合规证据。理解Artifact的类型与生命周期，是构建可审计、可复现金融模型环境的基础。

一、核心原理：Artifact是什么，为什么需要分类

Artifact可以定义为：在模型生命周期中产生、被版本化、可被引用与审计的任何持久化产物。金融行业对模型可解释性与可复现性要求极高，监管机构（如银保监会、美联储SR 11-7）要求机构能够回答“这个模型上线时用了哪份数据、哪个特征版本、哪个依赖环境”。因此，Artifact必须分类管理，因为不同类型Artifact的变更频率、存储方式、审批路径和生命周期长度差异巨大。

例如，原始数据集一旦入湖通常不可变，而特征工程产物可能每日重算；模型文件需要严格审批，而临时配置文件可能随环境切换而快速迭代。分类是治理策略的前提。

二、Artifact的主要类型与特征

金融模型环境中常见的Artifact可分为六大类，每类都有独特的格式、存储与治理要求：

• 模型文件：训练完成的参数权重、网络结构、序列化对象（如PMML、ONNX、Pickle、HDF5）。通常体积较大，需与训练代码、数据版本绑定。
• 数据集：原始数据、清洗后数据、采样数据、回测数据。强调不可变性与血缘追踪，常用Parquet、CSV、Hive表。
• 特征工程产物：特征定义、特征计算逻辑、特征存储（Feature Store）中的特征值。介于数据与模型之间，需保证训练/推理一致性。
• 配置文件：超参数、环境变量、模型阈值、风控规则。YAML/JSON为主，变更频繁但影响直接。
• 依赖包：Python wheel、conda环境、Docker镜像、requirements.txt。决定运行时行为，必须锁定版本。
• 评估与合规文档：验证报告、公平性分析、压力测试结果、审批记录。属于证据类Artifact，生命周期最长。

三、Artifact生命周期：从创建到归档

Artifact生命周期通常包含六个阶段：创建、注册、验证、发布、消费、归档/销毁。每个阶段都有明确的准入准出条件。

1. 创建：由训练任务、特征计算任务或人工配置产生。此时Artifact仅有临时标识，尚未纳入治理。
2. 注册：写入Artifact Registry（如MLflow、Harbor、自研平台），分配全局唯一ID、版本号、哈希值与元数据。
3. 验证：检查完整性、格式合规、依赖可解析、数据漂移指标是否在阈值内。验证不通过则标记为“拒绝”。
4. 发布：通过审批后进入“已发布”状态，可被生产推理服务或下游任务引用。发布通常不可逆。
5. 消费：被模型服务、回测引擎、报表系统拉取使用。每次消费需记录引用关系，形成血缘图。
6. 归档/销毁：过期或模型下线后，Artifact转入冷存储或按合规要求销毁，但元数据与血缘记录通常保留。

下面是一个典型的Artifact注册与状态流转的配置片段：

artifact:
  name: "credit_score_model"
  version: "v2.3.1"
  type: "model_file"
  format: "onnx"
  hash: "sha256:9f2a...c7e1"
  dependencies:
    - "python==3.9.18"
    - "onnxruntime==1.16.3"
    - "feature_store:credit_features:v1.8"
  lifecycle:
    created_at: "2025-03-12T08:30:00Z"
    registered_by: "training_job_8821"
    status: "validated"
    approved_by: "model_risk_committee"

四、场景案例：信贷评分模型上线中的Artifact流转

假设某银行要上线一版信贷评分模型。数据科学家在实验环境训练出模型文件credit_score_v2.onnx，同时生成了特征工程产物credit_features_v1.8和配置文件thresholds.yaml。这些Artifact首先被注册到平台，触发自动验证：检查ONNX格式是否可加载、特征版本是否与训练数据一致、依赖包是否在允许清单内。

验证通过后，模型风险委员会审批发布。生产推理服务通过Artifact ID拉取模型与特征，而不是直接读取文件路径。当监管要求回溯“2025年3月所有信贷审批用了哪个模型”时，平台可通过血缘图快速定位到具体Artifact版本及其依赖的数据集与代码提交。

五、误区与复盘：Artifact治理中的典型问题

在实际项目中，Artifact治理常出现以下问题：

• 只注册模型，不注册特征与依赖：导致推理时特征不一致，模型效果骤降。
• 版本号随意命名：如“final_v2_真正最终版”，无法排序与追溯。
• 缺少状态机：Artifact没有“草稿/验证中/已发布/已废弃”状态，生产环境可能误用未审批版本。
• 血缘断裂：数据集更新后未记录与模型的关联，无法复现历史结果。

复盘建议：将Artifact Registry作为唯一可信源，所有消费方必须通过ID引用；对模型文件与依赖包实施“绑定发布”；对数据集与特征产物实施“不可变快照”；对配置文件实施“环境差异化覆盖但版本可追溯”。

六、Artifact类型与生命周期对照清单