企业官网建设流程全解析

1 项目背景

业务场景

算法团队训练了一个新版工单分类模型 v2.1.0，在测试集上 F1 比当前线上 v1.5.0 高了 3 个百分点（0.91 → 0.94）。产品经理兴奋地要求"今晚就上线"。运维团队直接替换了模型文件，重启了推理服务。

第二天早上，客服主管怒气冲冲地打来电话：“自动分派系统完全乱了！所有工单都被分到了’其他’类别！这比不分类还糟糕，现在所有工单都堆在人工队列里，8 个客服根本处理不过来！”

紧急排查发现：v2.1.0 训练时id2label的映射和 v1.5.0 不同——v1.5.0 用{0:"投诉", 1:"咨询"...}，而 v2.1.0 用{0:"咨询", 1:"投诉"...}。标签全乱了。

更糟糕的是，运维人员试图回滚到 v1.5.0，但发现旧的模型文件被覆盖了——因为新旧版本都叫model.safetensors，放在了同一个目录里。

痛点

模型从训练到上线是一条"脆弱链条"，任一环节断裂就导致事故：

v2训练完成 → 文件直接覆盖v1 → v2出BUG → 无旧版本可回滚 → 事故扩大 │ │ └── 无版本号 └── 无灰度，100%流量直接切换

三大核心痛点：

1. 版本混乱：模型文件没有规范的版本命名，无法追溯哪个版本对应哪个训