4. 环境与工具准备

在金融模型CI/CD实战中，环境与工具准备不是“装几个软件”这么简单，而是决定后续流水线能否稳定复现、可审计、可回滚的基础工程。金融模型对版本一致性、依赖锁定、运行隔离和审计留痕有更高要求，因此本节围绕Python、Git、Docker与CI平台四类核心工具，构建一个最小可用、可验证、可扩展的本地与流水线环境。

一、核心原理：四层工具链的职责边界

四类工具并非并列堆叠，而是形成从“代码版本”到“运行环境”再到“自动化执行”的递进关系。理解职责边界，才能避免后续配置错位。

• Git：负责源码、配置、模型参数与流水线定义的版本控制，是审计与回滚的起点。
• Python：负责模型训练、回测、定价与测试脚本的执行，需通过虚拟环境隔离依赖。
• Docker：负责将Python运行时、系统库与依赖固化为镜像，保证本地与CI环境一致。
• CI平台：负责触发、编排、执行与记录流水线，是自动化测试与部署的调度中枢。

二、方法流程：最小可用环境搭建步骤

建议按“版本确认→隔离环境→容器化→CI接入→验证闭环”的顺序推进，每一步都保留可验证的输出。

1. 版本确认：统一Python、Git、Docker版本，并记录在项目文档中。
2. Python隔离：使用venv或conda创建独立环境，生成锁定文件。
3. Docker镜像：编写Dockerfile，固定基础镜像与依赖安装顺序。
4. CI配置：在Jenkins、GitLab CI或GitHub Actions中定义构建、测试、镜像推送阶段。
5. 闭环验证：提交一次代码，确认CI能自动完成安装、测试与镜像构建。

# 1. 版本确认
python --version
git --version
docker --version

# 2. 创建Python虚拟环境并锁定依赖
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
pip freeze > requirements.lock

# 3. 构建Docker镜像
docker build -t fin-model:ci .

# 4. 本地模拟CI执行
docker run --rm fin-model:ci pytest tests/ -v

三、CI平台配置要点与对比

三类CI平台在金融团队中各有适用场景。Jenkins适合内网与强合规环境，GitLab CI适合已使用GitLab的团队，GitHub Actions适合开源或云端协作。配置时应重点关注缓存、密钥管理与镜像构建。

# GitHub Actions 最小示例
name: fin-model-ci
on: [push]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: '3.11'
      - run: pip install -r requirements.txt
      - run: pytest tests/ -v
      - run: docker build -t fin-model:ci .

四、案例场景：从本地到CI的最小闭环

假设一个利率曲线拟合模型项目，本地已能运行测试。接入CI后，流水线应完成：拉取代码→安装依赖→运行单元测试→构建Docker镜像→推送镜像到私有仓库。若任一步失败，流水线立即终止并通知负责人。这样，每次提交都对应一个可追溯的镜像版本，为后续CD部署提供确定产物。

五、误区与复盘

• 误区一：不锁依赖版本。金融模型对数值库版本敏感，未锁定可能导致回测结果漂移。
• 误区二：直接在CI中pip install最新版。应使用锁定文件或私有镜像源，保证可复现。
• 误区三：Docker镜像过大且未分层。应将依赖安装与代码拷贝分层，利用缓存加速。
• 误区四：密钥硬编码在配置中。必须使用CI平台的Secrets或凭据管理，避免泄露。
• 误区五：只验证本地，不验证CI。应以CI结果为准，本地仅作快速反馈。