S85：Phase 2 全景知识图：从 Data 到 Human 的十层系统关系

内容类型：预习教材（不代表已完成）
日期：2027-02-15
阶段：P2 · AI Systems Engineering 90
总路线：Day 175
周次节奏：知识整合 · 周一全景图
状态：教材已备；学习未完成

一句话定义

Phase 2 全景知识图将 data、artifact、training、serving、runtime、integration、observability、security、release 和 human 表达为相互约束的状态、证据与责任网络，而不是技术栈列表。

学习目标

1. 合并 W4、W8、W12 三张阶段图，每层只保留责任、核心状态和 1～2 个跨层 contract。
2. 在图上同时显示 runtime/data flow 与 evidence/decision flow，避免把决定与治理变成旁边注释。
3. 区分 learned concept、repository asset、implemented path、observed result 和 production capability，不越级标注。

核心知识

Data plane 管数据来源、schema、quality、lineage、classification、purpose、freshness 与 retention。Artifact plane 将 model、dataset、prompt、index、adapter、container、policy、tool schema 变成可版本、hash、注册和回滚的对象。两者的跨层语义是 lineage：哪些 data/artifact 产生了当前运行与决定。

Training plane 管分布式计算、checkpoint、数值一致与可复现；Serving plane 管 prefill/decode、batching、cache、routing、capacity 与 latency/cost。两者不只通过 model artifact 连接，还通过 precision、tokenizer、context、runtime compatibility 与资源假设连接。

Runtime plane 管 agent/workflow state、tool calls、timeout、retry、idempotency、cancellation 与 human wait；Integration plane 管 API/event/protocol、schema evolution、identity propagation 与 enterprise boundary。MCP/A2A 等协议提供互操作原语，不自动提供业务授权、工作流恢复和数据治理。

Observability plane 用 trace/metric/log/event 连接 correlation、release、artifact、cost、quality 与 human queue；Security plane 定义 principal、delegation、purpose、policy、data boundary、tool capability 和 supply chain。可观测不应以记录敏感原文换取 debug 便利，安全也不应使故障完全不可诊断。

Release plane 将 candidate/baseline、eval、shadow、canary、decision 和 rollback 组织成证据生命周期；Human plane 管 decision rights、review tier、queue、override、appeal、trust calibration、feedback provenance 和 capacity。两者相互依赖：发布增加的 human load 必须在决定中可见，人工反馈也必须可追溯到 release 与证据。

全景图应有两种箭头：“数据/控制路径”和“证据/决定路径”。如果只有前者，系统看起来会自动流动却无人负责；如果只有后者，就无法知道决定实际作用到哪个运行状态。

机制与推导

对每层用八个问题压缩：purpose, owned state, input/output contract, version, evidence, failure, recovery, owner。跨层连接可写成 producer contract→boundary/control→consumer assumption→evidence。如果 consumer assumption 不能被 evidence 观察，就标为系统风险，例如 runtime 假定 index 新鲜却从不记 index version/expiry。

最小练习或观察

1. 把三张旧图中的组件放到十层，合并重复责任，不为每个名词单独画箱。
2. 每层填八问中最关键的 3～4 项，保持图可读。
3. 画一条业务路径与一条证据路径，必须经过 human/release/security 中至少两层。
4. 用实线/虚线标 implemented/planned，用注释标 observed/not observed。
5. 写三个当前图无法回答的问题，不通过增加组件强行解决。

常见误区与边界

• 十层变成十个孤立框，没有 contract、state 和 evidence。
• 将通用 platform/security 组件画在四处，不定义单一 owner 与服务边界。
• 把仓库中存在的代码当成已部署、已观测或已掌握。
• 为了图完整而加入尚未学习的 Kubernetes/Ray 等细节。
• 全景知识图是当前理解，不是 reference architecture 或生产认证。

系统 / 金融 / Web3 连接

金融案例可追踪 document/case data→evidence artifact→runtime/tool→recommendation→review/decision→release/outcome，并标 PII purpose 和 retention。Web3 可追踪 request→chain/provider data→simulation artifact→policy/tool→preview→signature→broadcast/reconciliation，把 human signature 与不可逆状态置于中心。

自检问题

1. 十层中每层唯一拥有的 state 是什么？
2. runtime/data flow 与 evidence/decision flow 在哪里交汇？
3. 图中哪条 consumer assumption 目前没有 evidence？
4. 你是否明确区分了 code exists、implemented、observed 和 production？

专业课程对齐

• Stanford CS329S：精读 ML systems design、data、training、deployment 与 monitoring 主题，校准前八层的系统责任。
• Full Stack Deep Learning：精读 project lifecycle、infrastructure、testing、deployment 与 continual learning，用来连接组件而非继续加组件。
• NIST AIRC / AI RMF：选读 Govern/Map/Measure/Manage，检查全景图中的 owner、human、risk 与 evidence。

深入学习提示

以已有三张图为主材料，外部课程只用来修正责任边界。如果阅读产生新工具名称，先问它是否替代现有箱子、细化 contract，还是只是实现选项；只有前两者值得修图。

学后填写区

• Phase 2 全景知识图：
• 业务流 / 证据流：
• implemented / planned / observed：
• 三个无法回答的问题：
• 当前最重要的系统连接：