S12：Reproducibility、Lineage、AI BOM、Promotion 与 Rollback

内容类型：预习教材（不代表已完成）
日期：2026-12-04
阶段：P2 · AI Systems Engineering 90
总路线：Day 102 / 360
周次 / 节奏：W2 · 周五知识整理
状态：教材已备；学习未完成
主题：W2 概念连接、AI BOM、release lifecycle

一句话定义

可复现性保证过程有足够上下文可重建，lineage 连接输入与输出，AI BOM 列明组成与来源，promotion/rollback 则管理某个明确 bundle 在运行生命周期中的采用状态。

学习目标

1. 能把 W2 五类概念连接成一个从实验到回退的闭环。
2. 能区分 manifest、lineage、BOM、registry 和 audit trail 的职责。
3. 能提出一组关键字段，而不是堆积无用途元数据。
4. 能对本周知识做轻量总结，不设置分数与通过门槛。

核心知识

Manifest 描述一个 bundle 当前引用什么；lineage 描述这些产物怎样从输入与运行产生；AI BOM 强调系统组件、依赖、提供方、版本、许可与来源；registry 赋予版本受管身份和状态；audit trail 记录状态变化与原因。它们有重叠字段，但回答的问题不同。把所有内容塞进一个 JSON 不等于职责清楚。

可复现性应先定义目标：复查当时采用的字节组合、重跑数据变换、重新训练相近模型、还是复原线上请求路径。随机算法、外部 provider、实时数据和硬件差异会限制严格复现。诚实记录环境和不可控依赖，比宣称“一键完全复现”更可靠。

Promotion 需要最少充分证据，证据强度应随风险与变化面调整，不需要把本学习计划变成审批训练。Rollback 需要已知良好 bundle、流量切换机制和数据/副作用处理。若 schema 已迁移或新版本产生外部写入，技术版本回退还要配合兼容与补偿。

机制与推导

可把发布链写成：

run → artifacts → immutable versions → bundle/BOM
    → candidate → observed evidence → promotion
    → runtime signals → keep / rollback / supersede

Lineage 是图，registry 是带状态的索引，audit 是时间序列。一次发布的可解释性可粗略理解为 coverage = 已锁定且可解析的关键依赖 / 已知关键依赖。这个比例不是正式指标，而是提醒遗漏一个高影响组件比多记十个低价值字段更危险。

Rollback time 包含检测、决策、切换和恢复：T_recovery = T_detect + T_decide + T_switch + T_reconcile。只优化 alias 切换无法消除对账时间。

最小练习或观察步骤

1. 用一页纸画出上述发布链，为每个节点写一个所有者和一个标识。
2. 将 S09 manifest 字段分别标记为 manifest、lineage、BOM 或 audit 主要职责。
3. 选一个 prompt-only 变更，写 candidate 证据和 rollback target。
4. 再选一个 tool permission 变更，比较证据和恢复为何不同。
5. 写下本周最多三个薄弱概念，留待未来回看，不立即补考。

常见误区与边界

• 将 BOM 当作简单依赖清单，忽略来源、许可和提供方。
• 有 manifest 就认为有 lineage；它未必记录产物生成过程。
• 可重跑脚本就宣称可复现，未固定数据和外部服务版本。
• rollback 只考虑模型切换，不考虑 schema、缓存与副作用。
• 周总结变成额外 Gate，消耗学习动力。

系统场景连接

在金融 AI 系统中，内部模型、第三方 API、开源库、提示词、规则与知识快照可能来自不同责任方。AI BOM 与 lineage 让供应链问题可定位，registry/audit 让运行版本可解释。发生质量事件时，需要区分“回到旧回答行为”和“修复已作出的业务动作”；后者常需人工对账与补偿。

自检问题

1. Manifest、lineage 和 AI BOM 各自最核心的问题是什么？
2. 为什么复现目标必须先定义？
3. Tool permission 变化为何比文案变化需要不同证据？
4. rollback 的哪部分通常不是 alias 切换能解决的？

专业课程对齐

• 阅读 MLflow 官方文档 中 Tracking、Artifacts、Registry 与 deployment 入口，画出平台对象怎样对应本周发布链。
• 阅读 OpenLineage 官方文档 中 job/run/dataset 和 facets，明确生成过程的 lineage 与发布状态管理并非同一个维度。
• 阅读 Stanford CS329S 的 deployment、monitoring、continual learning 主题，连接上线证据、运行反馈与后续版本选择。

深入学习提示

用提问法压缩概念：它是什么、从哪来、由什么组成、现在在哪个状态、为什么改变、如何恢复。把六个问题分别分配给 registry、lineage、BOM、audit 和 runtime evidence。若两个对象回答同一问题，再检查边界是否重叠合理。最后写一个“信息都记录了但无法回退”的反例，找出缺失的是技术切换还是业务补偿。

学后填写区

• 我的 W2 发布链：
• 五类资产的职责：
• 两种变化的证据差异：
• 三个以内薄弱点：
• 本周最重要的新连接：