S88：系统兴趣选修：只浅探一个主题

内容类型：预习教材（不代表已完成）
日期：2027-02-18
阶段：P2 · AI Systems Engineering 90
总路线：Day 178
周次节奏：知识整合 · 周四兴趣选修
状态：教材已备；学习未完成

一句话定义

今日只从 feature store、distributed compute、MLflow、container orchestration、OpenTelemetry、A2A、PET 或 human factors 中选一个主题，用一张短读书卡或一个小练习理解它在全景图的位置，不安装完整平台。

学习目标

1. 用“它解决什么责任、拥有什么状态、提供什么 contract”而非产品功能清单理解主题。
2. 识别两个适用条件、两个非目标、一个 failure 与一个跨层接口。
3. 在 60 分钟内结束，只写文档理解或真实执行过的观察，不填伪造结果。

核心知识

Feature store 主要解决 feature definition、lineage、offline/online consistency、freshness 与 serving，不是通用数据湖。Distributed compute/Ray 类主题管 task/actor、resource scheduling、fault tolerance 与 data movement，不自动解决业务幂等、版本和模型评估。Container orchestration 管 deployment、scheduling、service discovery、health/restart、config/secret 和弹性，不理解 agent task 的业务恢复。

MLflow 类工具管 experiment run、params/metrics/artifacts、model registry 与 lineage，适合连接训练/评估与发布身份；它不自动定义好 metric 或负责发布决策。OpenTelemetry 提供 traces、metrics、logs、baggage/context 与语义约定，适合跨服务 correlation；它不决定哪些 AI 内容可安全记录。

A2A 主要处理多 agent 之间的 discovery、task/message/artifact 与长任务交互，不自动提供组织权限、信任评估、工作流一致性或业务补偿。PET 选修要从 threat model 出发，区分 DP、TEE、FHE、tokenization 的保护对象、信任假设与资源成本。Human factors 关心 mental model、automation bias、cognitive load、control、feedback 和 team capacity，不能用小样本个人体验外推。

选修的价值在于定位，而非入门证书。学完应能把主题放进 S85 图的一层，画出一条输入与一条输出 contract，并说明它不能替代哪个相邻层。

机制与推导

短读书卡用八格：problem, owned state, contract, lifecycle, failure, observability, non-goals, adjacent layer。小练习则只验证一个机制，例如 OTel 的 context propagation、MLflow 的 run/artifact link、A2A 的 task/artifact 结构；未安装或运行可用 schema/sequence 设计替代，但必须标为 planned。

最小练习或观察

1. 选一个主题，写选择原因与 60 分钟停止点；不选多个比较。
2. 填八格读书卡，每格 1～3 句，引用官方材料中的章节位置。
3. 在 S85 图标注它的层、owner 与两条 contract，不画所有内部子系统。
4. 若做小练习，只用合成输入、无副作用路径，记录真实执行的事实。
5. 产出一张卡或一个小练习即停，不延伸到平台安装、证书或性能调优。

常见误区与边界

• 同时选多个工具并做功能对比，失去主题机制。
• 把官方 quickstart 跑通当成已理解生产架构。
• 将 Kubernetes/Ray/MLflow/OTel/A2A 当作可相互替代的“AI 平台”。
• 选 PET 却不写 threat model，选 human factors 却把个人体验当普遍因果结论。
• 本日只是兴趣浅探，不代表掌握所选技术或具备运维能力。

系统 / 金融 / Web3 连接

金融零售可以选 MLflow 理解发布追溯，选 OTel 理解 case→agent→tool→review correlation，选 PET 理解敏感数据处理边界。Web3 可以选 A2A 思考 wallet/risk/simulation agent 间的 task/artifact，但必须另行保留签名授权和不可逆副作用。

自检问题

1. 所选主题拥有的核心 state 是什么？
2. 它与相邻层的两条 contract 是什么？
3. 它明确不解决什么？
4. 你的结论是文档理解、planned exercise 还是实际观察？

专业课程对齐

• MLflow Documentation：选 MLflow/feature lifecycle 方向时精读 tracking、artifacts、registry 与 evaluation，其他方向只作跨层参照。
• OpenTelemetry Documentation：选 observability 时精读 traces、context、metrics/logs 和 semantic conventions，其他方向只检查证据接口。
• A2A Protocol：选 multi-agent 时精读 agent card/discovery、tasks、messages、artifacts 与长任务，其他方向不必阅读。

深入学习提示

三个链接是候选路由，不是三项作业。主读与所选主题直接对应的一份，从八格读书卡中找两个尚缺答案的格子定向查找，而不从文档首页通读。

学后填写区

• 选择的主题：
• 八格读书卡：
• 在 S85 图的位置与 contract：
• 实际观察（未运行留空）：
• 非目标与后续好奇：