模型版本管理

可视化演示

动态展示模型版本演进、MLflow Model Registry受控发布、W&B Artifacts血缘追踪与版本生命周期管理。

模型版本管理概述

在机器学习项目的迭代过程中，模型版本管理是保障团队协作效率和部署可靠性的核心环节。与传统的软件代码版本管理不同，模型版本不仅需要追踪代码变更，还需要关联训练数据版本、超参数配置、评估指标以及模型文件本身。这种多维度的版本追踪需求使得 MLOps 中的版本管理远比 Git 管理代码复杂。

模型版本管理解决的核心问题包括：当模型在生产环境出现性能下降时，能够快速定位并回滚到之前的稳定版本；当团队成员并行开发多个模型变体时，能够清晰地追踪每个版本的实验条件和结果；当需要将模型从开发环境部署到生产环境时，能够确保部署的模型与评估通过的版本完全一致。

在 RAG 客服系统等实际场景中，模型版本管理面临特殊挑战。大语言模型（LLM）的微调版本、Embedding 模型的更新、检索策略的变更，都需要统一纳入版本管理体系。同时，模型之间的依赖关系（如 Embedding 模型与向量索引的配套关系）也需要被追踪。MLflow Model Registry 和 Weights & Biases Artifacts 是当前最流行的两个模型版本管理工具，它们各有侧重但都能有效解决版本追踪问题。

模型版本管理还涉及合规和审计需求。在金融、医疗等受监管行业，需要记录每个模型版本的训练数据来源、训练时间、评估结果以及审批流程。完善的版本管理系统能够提供完整的审计轨迹，满足合规要求。

MLflow Model Registry

MLflow Model Registry 是 MLflow 生态中的模型注册中心，提供了一个集中化的模型版本管理平台。其核心架构包括：模型注册表（Registry Store）存储模型元数据和版本信息，artifact store 存储实际的模型文件。通过 MlflowClient API，用户可以注册模型、管理版本状态、添加版本备注和执行状态转换。

Model Registry 的版本状态管理机制是其最核心的功能。每个模型版本可以处于以下状态之一：None（刚注册）、Staging（预发布/测试环境）、Production（生产环境）、Archived（已归档）。状态转换可以通过 API 自动执行，也可以配置审批流程 requiring 人工确认。这种状态管理机制确保了只有经过验证的模型才能进入生产环境。

在实际使用中，模型注册通过 mlflow.sklearn.log_model() 或 mlflow.pytorch.log_model() 等框架特定的 API 完成，需要指定 registered_model_name 参数。注册后，可以通过 client.get_latest_versions() 获取指定阶段的最新版本，通过 client.transition_model_version_stage() 执行状态转换。模型加载使用 models:/ URI 方案，如 models:/my-model/Production 可以直接加载生产环境的最新版本。

Model Registry 还支持模型版本的描述和标签管理。每个版本可以附加 Markdown 格式的描述信息，记录该版本的改进内容、已知问题等。标签（Tags）可以用于标记版本的额外属性，如训练数据版本、负责人等。这些元数据使得团队协作时能够快速了解每个版本的上下文信息。

对于 RAG 系统，可以将 LLM 模型和 Embedding 模型分别注册到 Model Registry 中，通过模型名称区分。每次微调或更新后，新版本自动注册并进入 None 状态，经过评估后手动或自动转换到 Staging 进行集成测试，最终推送到 Production 环境服务用户请求。

W&B Artifacts追踪

Weights & Biases（W&B）Artifacts 是 W&B 平台提供的数据与模型版本管理功能。与 MLflow 侧重模型文件管理不同，W&B Artifacts 的核心优势在于全链路的依赖追踪——它不仅追踪模型文件，还追踪训练数据集、预处理配置、评估结果等完整的依赖链路。这种端到端的追踪能力使得任何生产模型都可以精确追溯到其训练所用的数据和配置。

W&B Artifacts 使用内容寻址（content-addressed）的存储方式。每个 Artifact 在上传时会计算其内容的哈希值，相同内容的 Artifact 只存储一份。这种设计既节省存储空间，又保证了数据完整性——如果模型文件被篡改，哈希值会改变，系统能够立即检测到。Artifact 的组织结构为：Project → Artifact Type → Artifact Name → Artifact Version，形成清晰的版本层次。

在 W&B 中追踪模型的典型流程是：首先使用 wandb.init() 启动一个 Run，然后通过 wandb.log_artifact() 上传模型文件或数据集。对于模型，通常使用 type=“model“；对于数据集，使用 type=”dataset”。通过 artifact.link() 方法可以建立 Artifact 之间的依赖关系，如将模型 Artifact 链接到其训练数据 Artifact。W&B 的 Web 界面提供了直观的可视化，展示 Artifact 的依赖图谱。

W&B Artifacts 的另一个重要功能是 Artifact Collection，它类似于 MLflow 的 Model Registry，提供了版本别名（aliases）管理。通过 aliases 如 "latest"、"production"、"best" 等，可以方便地引用特定版本。W&B 还支持自动记录训练过程中的所有指标、超参数和系统资源使用情况，与 Artifact 版本形成完整的实验记录。

对于 RAG 客服系统，W&B 可以追踪从原始文档数据集、预处理后的 Chunk 数据集、Embedding 模型版本、向量索引文件到最终 LLM 模型的完整链路。当生产环境出现问题时，可以通过 Artifact 依赖图谱快速定位是哪个环节的版本变更导致了问题。

版本生命周期管理

模型版本的生命周期通常包括以下阶段：创建（Creation）→ 评估（Evaluation）→ 预发布（Staging）→ 生产（Production）→ 归档（Archived）→ 废弃（Deprecated）。每个阶段都有明确的进入条件和退出条件，以及对应的操作权限。完善的生命周期管理确保模型版本的有序流转，避免版本混乱。

在创建阶段，模型通过训练实验产生，自动记录超参数、训练指标和模型文件。评估阶段对模型进行全面的性能测试，包括准确率、延迟、资源占用等指标。只有达到预设阈值的模型才能进入预发布阶段。预发布阶段在类生产环境中进行集成测试和 A/B 测试，验证模型在实际场景中的表现。通过验证后，模型被 promoted 到生产阶段。

版本淘汰与归档策略是生命周期管理的重要组成部分。常见的策略包括：当新版本进入 Production 时，自动将旧版本归档为 Archived；超过一定时间未被使用的 Archived 版本自动标记为 Deprecated；保留最近 N 个版本供回滚使用。归档的模型版本不应被删除，因为可能需要回溯历史决策或满足合规要求。

多环境版本同步是另一个关键挑战。在典型的 MLOps 流程中，模型需要在开发（Dev）、测试（Test）、预发布（Staging）和生产（Production）四个环境中流转。每个环境可能有不同的 Model Registry 实例，需要确保版本信息的一致性。MLflow 支持通过远程 tracking server 实现多环境共享，W&B 则通过 workspace 和 team 的层级结构管理多环境。

在 RAG 系统中，版本生命周期管理还需要考虑模型间的依赖关系。例如，当 Embedding 模型更新时，依赖它的向量索引也需要重建，使用旧索引的 LLM 版本可能需要回滚。这种级联依赖要求版本管理系统能够表达和追踪模型间的依赖关系。

工具对比与选择实践

MLflow 和 W&B 在模型版本管理上各有优势。MLflow 是开源免费的，可以自托管，与各种 ML 框架集成良好，Model Registry 的状态管理机制清晰。W&B 是商业产品（有免费层），提供更丰富的可视化和实验追踪功能，Artifacts 的内容寻址存储和依赖追踪能力更强。选择哪个工具取决于团队规模、预算和具体需求。

对于小型团队或个人项目，W&B 的免费层提供了足够的功能和零运维成本的优势。W&B 的实验追踪和可视化界面更加直观，适合快速迭代的研究场景。对于中大型团队或有严格数据安全要求的企业，MLflow 的自托管方案和细粒度权限控制更加合适。MLflow 的开源特性也意味着可以根据需要进行定制开发。

在实际实践中，很多团队选择同时使用 MLflow 和 W&B：用 W&B 做实验追踪和可视化分析，用 MLflow Model Registry 做模型版本管理和部署集成。这种组合利用了 W&B 在实验管理方面的优势和 MLflow 在模型部署方面的成熟生态。关键是要确保两个工具之间的版本信息保持一致，避免产生信息孤岛。

无论选择哪种工具，建立规范的版本管理流程比工具本身更重要。建议的最佳实践包括：制定统一的模型命名规范；每次注册模型必须附带评估指标和描述信息；状态转换必须有审批流程；定期进行版本清理和归档；建立版本回滚的应急预案。工具只是流程的载体，规范的管理制度才是版本管理成功的根本保障。

AI 应用场景

Python 演示

import mlflowimport mlflow.sklearnfrom mlflow.tracking import MlflowClientfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.metrics import accuracy_score, f1_scoreimport numpy as np # 1. 启动 MLflow 追踪mlflow.set_tracking_uri("http://localhost:5000")mlflow.set_experiment("rag-customer-service") # 2. 训练并记录模型版本with mlflow.start_run(run_name="rf_v1") as run:    X_train = np.random.randn(200, 10)    y_train = (X_train[:, 0] > 0).astype(int)    model = RandomForestClassifier(n_estimators=50, random_state=42)    model.fit(X_train, y_train)    y_pred = model.predict(X_train)    acc = accuracy_score(y_train, y_pred)    f1 = f1_score(y_train, y_pred)    # 记录超参数和指标    mlflow.log_param("n_estimators", 50)    mlflow.log_param("max_depth", None)    mlflow.log_metric("accuracy", acc)    mlflow.log_metric("f1_score", f1)    # 注册模型到 Model Registry    mlflow.sklearn.log_model(        sk_model=model,        artifact_path="model",        registered_model_name="rag-rf-classifier"    )    run_id = run.info.run_id    print(f"Run ID: {run_id}")    print(f"Accuracy: {acc:.4f}, F1: {f1:.4f}") # 3. 使用 MlflowClient 管理版本状态client = MlflowClient()model_name = "rag-rf-classifier"# 获取最新版本的模型latest = client.get_latest_versions(model_name, stages=["None"])version = latest[0].versionprint(f"Registered version: {version}")# 将版本转换到 Staging 阶段client.transition_model_version_stage(    name=model_name,    version=version,    stage="Staging",    archive_existing_versions=False)print(f"Version {version} -> Staging") # 4. 从 Registry 加载指定阶段模型staging_model = mlflow.sklearn.load_model(    f"models:/{model_name}/Staging")X_test = np.random.randn(50, 10)preds = staging_model.predict(X_test)print(f"Staging model predictions: {preds[:5]}")

1. from mlflow.tracking import MlflowClient
2. mlflow.set_tracking_uri("http://localhost:5000")
3. mlflow.set_experiment("rag-customer-service")
4. with mlflow.start_run(run_name="rf_v1") as run:
5. mlflow.log_param("n_estimators", 50)
6. mlflow.log_metric("accuracy", acc)
7. mlflow.sklearn.log_model(
8. registered_model_name="rag-rf-classifier"
9. client = MlflowClient()
10. latest = client.get_latest_versions(model_name, stages=["None"])
11. client.transition_model_version_stage(
12. stage="Staging",
13. staging_model = mlflow.sklearn.load_model(
14. f"models:/{model_name}/Staging"
15. preds = staging_model.predict(X_test)

常见问答

常见误区

参考来源

• docMLflow Model Registry DocumentationMLflow Model Registry 官方文档，详细介绍了模型注册、版本管理、状态转换和部署集成的使用方法。
• docW&B Artifacts DocumentationWeights & Biases Artifacts 官方文档，涵盖数据集和模型版本追踪、内容寻址存储和依赖管理。
• docMLflow Tracking DocumentationMLflow Tracking 官方文档，介绍实验追踪、参数记录和指标管理的完整功能。
• paperMLflow: A Machine Learning Lifecycle Platform (Zaharia et al., 2020)MLflow 平台的学术论文，系统阐述了实验追踪、项目管理和模型注册的设计理念和架构。