1. 课程导入
1.1 为什么需要联合调优
现代AI系统的交付不再只是“训练出一个模型”，而是需要将数据准备、特征工程、模型训练、评估验证、打包部署、线上监控等环节串联成一条可持续迭代的流水线。传统软件工程中的CI/CD（持续集成/持续交付）解决的是代码变更到生产环境的高频、可靠交付问题；而AI训练链路则引入了数据版本、模型权重、超参数、实验追踪、GPU资源调度等新的复杂对象。两者若各自为政，会出现“代码能发布但模型不可复现”“训练通过但推理性能不达标”“模型更新频繁但回滚机制缺失”等典型问题。
联合调优的核心目标，是让CI/CD的工程化能力与AI训练链路的实验特性相互适配，形成一套可重复、可审计、可回滚、可观测的端到端流水线。本课程将围绕这一目标，从基础概念、工具链选型、流水线设计、质量门禁、监控反馈等维度展开。
1.2 学习目标
完成本章学习后，你应该能够：
- 准确描述CI/CD与AI训练链路各自的核心环节与关注点；
- 识别传统CI/CD与AI训练流水线在对象、触发方式、验证手段上的关键差异；
- 说明联合调优要解决的三大核心问题：可复现性、可观测性、可回滚性；
- 理解本课程30章的结构设计逻辑，明确各模块之间的递进关系。
1.3 课程结构总览
本课程共30章，分为五个模块。模块之间既有先后依赖，又存在交叉引用，建议按顺序学习，但可根据实际工作场景跳转查阅。
| 模块 | 章节范围 | 核心主题 |
|---|---|---|
| 基础与概念 | 第1-5章 | CI/CD基础、AI训练链路组成、联合调优价值、常见工具链概览 |
| 流水线搭建 | 第6-12章 | 数据版本管理、特征存储、模型训练触发策略、GPU资源编排 |
| 质量与验证 | 第13-19章 | 模型评估门禁、数据漂移检测、A/B测试、回滚机制 |
| 可观测性 | 第20-25章 | 训练日志结构化、指标监控、链路追踪、告警策略 |
| 进阶与实战 | 第26-30章 | 多团队协作、MLOps平台建设、故障复盘、生产级案例 |
1.4 CI/CD与AI训练链路的基本概念
CI（持续集成）强调开发人员频繁地将代码变更合并到主干分支，并通过自动化构建与测试尽早发现集成错误。CD（持续交付/持续部署）则进一步将经过验证的产物自动部署到目标环境。传统CI/CD的“产物”是二进制包、镜像或服务配置，其验证手段以单元测试、接口测试、静态检查为主。
AI训练链路则是一个更宽泛的概念，它包含从原始数据到最终模型服务的完整生命周期。典型环节包括：
- 数据准备：数据采集、清洗、标注、版本化；
- 特征工程：特征计算、存储、在线/离线一致性校验；
- 模型训练：超参数选择、分布式训练、实验跟踪；
- 模型评估：离线指标（准确率、召回率等）、在线评估设计；
- 模型部署：模型格式转换、推理服务封装、资源分配；
- 监控反馈：推理延迟、数据漂移、模型衰减检测。
1.5 联合调优的价值与挑战
联合调优并非简单地将两套工具链拼接，而是要在以下三个维度上建立统一机制：
- 统一产物管理：将模型权重、评估指标、训练日志与代码版本、镜像标签关联，确保任何一次部署都能追溯到完整训练上下文；
- 统一质量门禁：在CI阶段不仅跑代码测试，还要跑数据校验、特征一致性检查、模型离线评估；在CD阶段增加线上A/B测试、金丝雀发布等机制；
- 统一回滚策略：模型回滚不只是切换权重文件，还需要回滚对应的数据版本、特征配置和推理代码，否则会出现新旧不匹配。
1.6 典型场景：推荐模型周级更新
假设一个内容推荐团队每周更新一次排序模型。传统做法是：算法工程师在本地训练，手动导出模型文件，再交给平台组部署。这种方式在模型迭代不频繁时尚可运行，但当模型每周更新、数据分布频繁变化时，会出现以下问题：
- 训练数据版本不明确，无法回答“这个模型是用哪份数据训练的”；
- 评估指标口径不统一，线下AUC高但线上点击率反而下降；
- 模型回滚困难，一旦新模型效果不佳，需要人工找回旧权重并重新配置；
- 训练与部署之间的衔接依赖人工沟通，容易出错。
引入联合调优后，该团队将数据版本、特征配置、训练脚本、模型权重、评估报告统一纳入流水线管理。每次训练触发时，自动记录数据指纹、超参数组合、GPU环境信息；评估通过后自动生成部署候选；线上监控指标实时回流，触发自动回滚或重新训练。整个流程从“周级人工操作”变为“天级自动迭代”。
1.7 本章小结与学习路径建议
本章建立了课程的整体框架。你需要记住三个关键认知：
- CI/CD与AI训练链路不是两条平行线，而是围绕“模型交付”这一共同目标的上下游关系；
- 联合调优的三大支柱是可复现性、可观测性、可回滚性，后续所有章节都会围绕这三点展开；
- 工具只是手段，核心在于建立统一的版本管理、质量门禁和反馈闭环。