课程导入：学习目标、课程结构、AI DevOps的核心理念与价值
1.1 为什么需要一门“AI DevOps”课程
过去十年，DevOps 已经完成了从“开发与运维协作”到“软件交付流水线自动化”的进化。然而，当 AI 模型开始成为软件系统的核心组件时，传统 DevOps 的假设被打破了：模型不是纯代码，训练数据不是静态配置，推理性能不是单纯靠加机器就能解决。AI 项目在交付过程中频繁出现“开发环境跑得通、生产环境崩得莫名其妙”“模型精度高但延迟超时”“数据漂移导致线上效果断崖式下跌”等问题。
这些问题的根源在于：AI 系统引入了数据、模型、特征、实验、版本、监控等全新维度，而传统 DevOps 工具链和流程并未覆盖这些对象。本课程正是为填补这一空白而设计，帮助你在已有 DevOps 基础上，构建一套面向 AI 生命周期的工程化体系。
核心判断：AI DevOps 不是“DevOps + 几个 AI 工具”，而是将数据管理、模型训练、评估、部署、监控纳入统一的自动化交付闭环。它让 AI 项目从“实验室原型”走向“可运维、可迭代、可回滚的生产系统”。
1.2 学习目标：学完你将具备什么能力
本课程共 30 章，按“基础 → 流水线 → 生产化 → 平台化 → 组织落地”五个阶段递进。学完本课程，你将能够：
- 设计端到端 AI 交付流水线：从数据版本化、特征工程、模型训练、评估、打包到灰度发布，形成可重复、可审计的自动化流程。
- 构建模型监控与反馈闭环：识别数据漂移、概念漂移、模型退化，并设计自动重训或人工介入的触发机制。
- 选择并落地 AI DevOps 工具链：根据团队规模、云环境、合规要求，组合 MLflow、Kubeflow、Airflow、Prometheus、Grafana 等工具。
- 建立多环境一致性保障：通过容器化、模型注册、特征存储等手段，消除开发/测试/生产环境差异。
- 推动组织协作模式升级：明确数据工程师、算法工程师、ML 平台工程师、SRE 在 AI 交付中的职责边界与协作接口。
| 能力维度 | 入门水平（第1-10章） | 进阶水平（第11-20章） | 专家水平（第21-30章） |
|---|---|---|---|
| 流程设计 | 理解 AI 交付与传统 DevOps 差异 | 搭建 CI/CD/CT 流水线 | 设计自适应重训与多租户隔离 |
| 工具链 | 使用 Git、Docker、MLflow 基础功能 | 集成 Kubeflow、Airflow、KServe | 自建平台或二次开发 |
| 监控运维 | 记录日志与基础指标 | 监控数据漂移与推理延迟 | 构建反馈驱动的一体化闭环 |
| 组织协作 | 明确角色分工 | 建立模型评审与发布机制 | 形成 AI 工程化文化 |
1.3 AI DevOps 的核心理念：从“代码交付”到“模型交付”
传统 DevOps 的核心对象是代码，而 AI DevOps 的核心对象是模型及其依赖的整套上下文。下图展示了 AI DevOps 与传统 DevOps 在交付对象、流程环节和反馈机制上的本质差异：
从上图可以看出，AI DevOps 在传统 DevOps 的“代码→构建→部署→监控”基础上，增加了三个关键环节：数据版本化、实验追踪和模型注册，并将监控从“基础设施指标”扩展到“数据分布与模型行为”。这意味着：
- 交付物从“代码”变为“模型 + 数据 + 代码”的组合，三者必须协同版本化，否则无法复现线上行为。
- 测试对象从“函数逻辑”扩展到“数据质量 + 模型指标 + 推理性能”，需要新的测试工具与准入标准。
- 监控维度从“系统是否活着”升级为“模型是否仍然有效”，需要持续跟踪数据分布和业务指标。
1.4 典型场景：一个推荐系统的 AI DevOps 痛点
假设你负责一个电商推荐系统的模型交付。某次迭代中，算法团队在离线评测中 AUC 提升了 0.03，于是将新模型部署上线。然而一周后，业务方反馈点击率反而下降了 5%。排查后发现：
- 训练数据使用的是上周的日志，但线上用户行为已因促销活动发生偏移，数据漂移导致模型失效。
- 新模型的特征工程代码与旧版本不兼容，部分特征在线上返回默认值，但监控系统没有覆盖这些特征。
- 模型文件只保存在算法工程师的本地磁盘，没有进入模型注册中心，无法快速回滚到上一版本。
这个案例暴露了三个核心问题：缺乏数据版本管理、缺乏特征监控、缺乏模型快速回滚机制。这正是 AI DevOps 要解决的核心问题。在后续章节中，我们将逐一拆解这些问题的工程化解法。
常见误区：很多团队认为“只要把模型打包成 Docker 镜像部署就完成了 AI DevOps”。实际上，容器化只是解决了部署环境一致性，但并未解决数据一致性、模型可复现性和线上效果监控。AI DevOps 的完整闭环必须覆盖数据、模型、监控三个层面。
1.5 课程结构总览与学习路径建议
本课程 30 章分为五个阶段，每个阶段解决一组核心问题：
| 阶段 | 章节范围 | 核心主题 | 关键产出 |
|---|---|---|---|
| 基础篇 | 第1-6章 | AI DevOps 概念、数据版本化、实验追踪、模型注册 | 搭建 MLflow + DVC 基础环境 |
| 流水线篇 | 第7-12章 | CI/CD 扩展、持续训练、自动化评估、多环境部署 | 构建端到端训练-评估-部署流水线 |
| 生产化篇 | 第13-18章 | 模型服务、监控、漂移检测、A/B 测试、模型回滚 | 生产级监控与告警体系 |
| 平台化篇 | 第19-24章 | Kubeflow、KServe、特征存储、多租户隔离 | 企业级 AI 平台架构设计 |
| 组织落地篇 | 第25-30章 | 团队协作、流程规范、成本治理、案例复盘 | AI DevOps 落地路线图 |
对于初学者，建议按顺序学习，并在每章结束后完成配套实验。对于已有 DevOps 基础的读者，可以重点学习第 2-4 章（数据版本化、实验追踪、模型注册）和第 13-16 章（模型监控、漂移检测），这些是 AI DevOps 与传统 DevOps 差异最大的部分。
1.6 本章小结与学习行动清单
本章我们明确了 AI DevOps 的定义、核心差异与课程结构。与传统 DevOps 相比，AI DevOps 的独特挑战在于：数据与模型的可变性和不确定性。代码是确定性的，而模型的行为取决于训练数据分布和特征质量，这要求我们建立全新的工程化思维。
在开始下一章之前，请完成以下准备：
- 确认你的环境中已安装 Python 3.9+、Docker 20+、Git 2.30+。
- 注册一个 MLflow Tracking Server（本地或云端均可）。
- 准备一个简单的分类数据集（如 sklearn 自带的鸢尾花数据集）用于后续实验。
- 思考你所在团队当前 AI 交付流程中最大的痛点是什么，带着问题进入后续学习。