AI制品Registry与发布门禁

AI 制品 Registry 与发布门禁

🏠 返回 07-README ｜ ⬅️ 10-Eval集治理 ｜ ➡️ 08-可观测

定位：Agent 平台「发布 Gate 画什么」——把 model / prompt / tool schema / KB 索引四维版本收成可回滚的 Registry，并与 Gateway、Obs、Eval 串联。Eval 流程见 10；Gateway 租户见 07-Gateway；ML 侧 Model Registry 见 ml-platform/04。

L1 · 是什么

1.1 一句话定义

AI 制品 Registry= Agent 应用的配置与知识制品的单一事实来源（SSOT）：每次生产流量都能回答「当时跑的是哪四代 artifact」；每次发布都是代码 + 四维 artifact + eval 报告的原子绑定。

1.2 四维版本矩阵（Staff 必背）

与 DevOps 差异：传统发布 Gate = 代码 + 配置；Agent 发布 Gate = 代码 +四维 + eval_set@sha（13 §11）。

1.3 平台一张图（架构师白板）

口播顺序：Registry 在控制面；Gateway 注入tenant_id+release_id；Trace 必须带release_id才能做按版本归因（08）。

L2 · 各维 Registry 设计

2.1 Model Registry（与 ML 平台分工）

Agent 架构师只需讲清边界：自研小模型走 ML Registry；商用 API 模型走 Gatewaymodel_list+ 合同版本号，不必进 Kubeflow。

2.2 Prompt Registry

Spring AI（L1）：PromptTemplate+ 外部化；观测 span 写gen_ai.prompt.name/ version（Spring AI Observability）。

2.3 Tool Schema Registry

# tools/refund_api/v2.1.0.yamlname:refund_apiversion:2.1.0risk_level:writeidempotency:requiredhitl:requiredschema:type:objectrequired:[order_id,reason_code]

MCP（L3）：Model Context Protocol — Server 声明 tools；Client 以 registry 为准做 allowlist。

2.4 KB / 向量索引 Registry

L3 · 发布门禁（Release Gate）

3.1 Release Record（不可变）

{"release_id":"rel_2026_05_28_001","git_sha":"a1b2c3d","artifacts":{"model_ref":"litellm:smart=gpt-4o-mini-2025-11","prompt_ref":"cs_main@7","tool_schema_ref":"tools_bundle@2.4.0","kb_index_ref":"kb_alias:v12"},"eval_set_ref":"golden_cs@sha9f3a…","eval_report_uri":"s3://eval/rel_001/report.html","approvers":["tl_ai","compliance_bot"],"canary_percent":5}

3.2 门禁流水线

3.3 回滚矩阵（预演）

原则：一次只回滚一维，便于归因（13 §11）。

3.4 多租户

L4 · FinOps 与 DR（横切）

4.1 FinOps 标签（与 Registry 绑定）

每次 span / billing 记录：

tenant_id, feature, release_id, model_ref, prompt_ref

$/successful task= 成本 / 任务成功数（非 HTTP 200）。超预算 → Gateway 降级fast或拒答（03-Serving §10）。

4.2 灾备（向量 + Checkpoint + MCP）

Staff 一句：Agent DR =状态可恢复 + 知识可回滚 + 工具可降级，不是只备份模型权重。

L5 · Staff 答辩

5.1 STAR-M-P：误发 prompt v8 承诺赔偿

5.2 大厂追问答

Q1 · Registry 放 Git 还是平台？

答：Prompt/Tool schema/KB 管道配置 → Git（可 diff）；运行时指针 → Registry 服务（Langfuse label / 内部表）。模型路由在Gateway。

Q2 · 四维都要一起发布吗？

答：不必。KB 日更、prompt 周更、model 月更——但Release Record 必须记录当前组合；Canary 时只动一维。

Q3 · 和 Feature Store 关系？

答：Feature Store 供路由/策略特征（用户风险分→选模型）；Registry 管生成制品。Agent 用实时特征选 release 变体时，在 Gateway 打feature_flags（交叉 ml-platform/01）。

Q4 · 低代码 Dify 怎么纳入 Registry？

答：Dify 导出workflow YAML + prompt 快照进 Git；生产切 Spring AI 后同一 release_id贯穿上（15-Dify）。

Q5 · 如何证明「可审计」？

答：任意trace_id→release_id→ 四维 ref + eval_report + approver；资金类再加 tool args hash（17-安全 §审计字段）。

5.3 Agent 平台演进分期（对齐27）

口播：大多数「Agent 架构师」面试答到L2即可；L3 讲 FinOps 与 DR 加分。

5.4 与08 电商 Prompt Registry 图衔接

域内08§10 已画Prompt Registry+ Canary——本篇补齐Release Record 字段级契约与四维联合回滚；实施时同一release_id写入 Langfuse trace 与 SpringObservation。

5.5 合规字段（发布审计最小集）

5.6 与 ml-platform 联合发布（表格 ML + LLM）

Agent 路由特征（如风险分→选模型）：特征定义仍在 Feature Store；release 变体在 Gateway 配置表，两者在release_id上汇合。

5.7 面试白板模板（5 分钟）

1. 画四维+release_id
2. 画PR → Harness → Canary → 全量
3. 写回滚先 KB 后 prompt
4. 点trace 归因字段
5. 提多租户缓存隔离

§8 样例 Release 与回滚剧本（可背诵）

8.1 当前生产指针（示意）

{"prod_pointer":{"release_id":"rel_2026_05_20_stable","artifacts":{"model_ref":"litellm:smart=azure/gpt-4o-2025-11","prompt_ref":"cs_main@6","tool_schema_ref":"tools_bundle@2.3.0","kb_index_ref":"kb_alias:v11"},"eval_set_ref":"golden_cs@sha8a2c…","canary":{"percent":0,"target_release":null}}}

8.2 回滚剧本（逐步口播）

8.3 Canary 检查表

• SRM：分桶比例 5/95 偏差 <1%
• 护栏：合规事故 = 0
• 代理指标：转人工率、拒答率
• 主指标：CSAT（延迟 48h 再看）

§9 FinOps Chargeback（与 span 对齐）

$/successful task= 周期内 token 成本 / 成功结束会话数（与 08 一致）。

§10 与 98 口播映射（G06–G08）

6. 面试前 Checklist

• 白板四维矩阵 + Release Record JSON
• 讲清Registry / Gateway / Runtime / Obs分工
• 列回滚矩阵四行
• 区分ML Model Registry vs API 路由
• 多租户缓存键与 release 隔离
• DR 三角：向量 / checkpoint / MCP

7. 导航

官方文档与源码（一级依据）

写作规范：docs/official-sources-registry.md §0

L1 · 官方文档

• Langfuse — Prompt Management
• LiteLLM — Proxy & Config
• Spring AI — Observability
• Model Context Protocol Specification

L2 · 官方源码

• langfuse/langfuse
• BerriAI/litellm
• spring-projects/spring-ai