#MLOps
共 32 篇相关文章
告别数据克隆：Vertex AI 直连 BigQuery 实践
告别 Vertex AI 数据克隆：把 BigQuery 当特征存储，通过 TabularDataset 和 KFP 组件直连数仓，省下存储成本，同时理解性能争用、数据快照和 SDK 版本等真实代价。
MLOps入门：Amazon SageMaker如何打通模型到生产
从训练到部署再到监控，MLOps 打通机器学习模型上生产的完整链路。本文解析 MLOps 核心概念、Amazon SageMaker 在生命周期各环节的作用，以及团队落地 MLOps 的现实路径。
AI开发全生命周期：从PoC到生产的工程化落地指南
从PoC到生产，AI系统的真正挑战不在模型本身而在工程流程。本文梳理AI开发全生命周期的七个阶段，涵盖问题定义、数据审计、架构选型、评估、生产工程、部署与监控，并用Go/No-Go门控管理风险。
深度学习MLOps工具调研：生产环境模型维护的真实痛点
一位开发者在Reddit发起MLOps工具调研，希望验证生产环境深度学习模型维护的真实痛点并考虑开源。本文解析其需求验证思路及对MLOps从业者的启示。
事件驱动的制造业ML流水线：AWS三年实战与72%成本节省
一篇AWS工业实践报告披露：汽车制造业采用事件驱动ML训练架构，基于ECS+GPU、SQS与准入控制Lambda，三年运行4万多作业，相比常备GPU节省72-78%成本，并开源仿真器与Terraform模块。
金丝雀发布：生产环境零停机升级AI模型的实战方法
金丝雀发布（Canary Rollout）让生产环境AI模型升级实现零停机。本文解析分阶段流量爬升、指标门控与自动回滚三大机制，以及它在专用推理场景的落地实践。
MLOps社区兴起：从GPU到生产部署的实战交流
一位开发者创建MLOps主题Discord社区，聚焦基础设施、GPU、模型部署与生产环境问题。本文解析MLOps社区交流的价值、低门槛理念及AI工程社区生态现状。
从LLM API转向自托管：这笔账到底划不划算？
从LLM API转向自托管大模型到底值不值？本文基于Reddit工程师社区的真实讨论，拆解API账单临界点、GPU闲置成本、冷启动与运维之痛，并给出自托管决策的全成本框架。
资深软件工程师转型MLOps：该优先补齐哪些能力？
一位七年经验的资深软件工程师想转型 MLOps / ML Platform，本文解析其技术背景、五大能力缺口（AWS、模型服务、ML 可观测性、分布式系统、GPU 推理）以及快速切入 MLOps 岗位的实用建议。
LLM推理成本追踪难题：为什么账单看不清钱花在哪
LLM推理成本追踪为何如此困难？服务商账单只显示花费，却说不清重试、模型回退和agent多步骤流程等行为如何推高成本。本文剖析workload级成本归因的核心难点与MLOps团队的应对思路。
服务健康但模型出错，谁该为这场事故负责？
当服务延迟、错误率和uptime都正常，模型预测却持续变差时，事故该由谁负责？本文剖析ML运维中的静默故障、责任归属与交接时机难题，并给出可落地的事故指挥与回滚思路。
没人负责"模型是否正确"：MLOps监控的真正盲区
MLOps监控中最大的盲区不是工具，而是没人负责'模型是否正确'。本文剖析仪表盘全绿却模型失效的根因，提出绊线+记分卡双层监控与'一个工程师同时负责'的责任落地方案。
AI Agent也需要版本管理与签名？OCI打包实践解析
AI Agent 是否应该像模型一样进行版本管理和签名？本文解析将 Agent（含提示词、MCP配置、skills、策略）打包为 OCI artifact 并用 KitOps 签名管理的工程化实践，探讨从 git clone 到制品治理的演进。
Databricks特征平台：一次定义，训练与生产复用
Databricks特征平台：一次定义，训练与生产复用
Databricks Feature Store通过Feature Views统一批处理与流式特征，支持自动时间点连接构建训练集，并提供内建治理与可观测性实现特征生产化，配合MLflow与Genie Code支撑ML迭代闭环。
金丝雀发布上线：零停机升级模型推理端点
专用模型推理服务上线金丝雀发布功能，支持零停机升级线上端点模型。流量按5%→25%→50%→100%分步迁移，自动健康检查与p95延迟、错误率门控保驾护航，支持金丝雀、蓝绿、滚动三种策略，可通过CLI、REST API和Python SDK接入。
Databricks 实战入门：从 CSV 到部署 ML 模型的完整流程
Databricks 企业级 AI/ML 一体化平台实战教程：基于 Spark 与 MLflow，从 Kaggle 房价 CSV 数据集出发，完整演示数据上传、Pipeline 预处理、随机森林训练、模型注册到部署端点并本地调用的全流程，免费版即可复现。
教程攻略MLflow实战教程：GenAI追踪+经典ML调优的全栈MLOps指南
详解MLflow在GenAI和经典机器学习两大场景下的核心用法，涵盖自动追踪、模型评估、Prompt版本管理、超参数调优、PyTorch训练监控及模型部署，3-5行代码实现完整MLOps流程。
产品体验Phrony：AI Agent生产部署与运维的一站式基础设施平台
Phrony是一款专注于AI Agent生产部署的基础设施平台，提供多Agent编排、人机协作升级、审计追踪和异常检测等核心能力，解决AI Agent从开发到生产环境的运维难题。
