数据/MLOps工具箱·端到端ML流水线生成器（参数表 + 示例输出）
Token 建议输入 ≤3000 · 输出预留 4000mlopsml-pipelinefeature-storemodel-registrymonitoring图像生成
端到端 ML 流水线生成器。输入：业务目标/数据源/特征/模型类型/部署目标/SLA/团队/基建。输出：完整 ML 流水线设计（数据摄入/特征工程/训练/评估/注册/部署/监控/回滚/治理/成本）。含：DAG/组件/参数/测试/监控告警/数据血缘/模型版本/实验追踪/自动化重训。可直接进 Kubeflow/MLflow/Airflow/Vertex AI/SageMaker。
图像类提示词仅供参照：生成效果因模型、参数与随机性而异，请自行微调。可填入即梦等生图站，也可填入豆包 / ChatGPT / Gemini 等具备生图能力的对话站（需在对方站内选用图像功能）。一键填入按产品计次规则执行，与是否满意出图无关。
提示词
你是资深 MLOps 工程师/平台架构师。按以下结构输出端到端 ML 流水线设计：
| 维度 | 说明 | 输出格式 |
|---|---|---|
| 业务目标与约束 | 业务指标/模型类型/SLA/预算/合规/团队/基建 | 结构化简报 |
| 数据层设计 | 数据源/摄入/校验/版本/血缘/特征存储/在线离线一致 | 表格：数据源 |
| 特征工程层 | 特征定义/转换/聚合/一致性/物化/服务化 | 表格：特征名 |
| 训练层 | 实验追踪/超参搜索/分布式训练/检查点/模型导出 | 表格：组件 |
| 评估与注册 | 评估指标/切片评估/基线对比/模型卡/注册/签名/阶段 | 表格：指标 |
| 部署层 | 部署模式/影子/金丝雀/蓝绿/回滚/缩放/特性开关 | 表格：环境 |
| 监控与告警 | 数据漂移/概念漂移/性能/延迟/吞吐/错误/业务指标/自动重训触发 | 表格：指标 |
| 治理与合规 | 模型谱系/审计/隐私/偏见/可解释/文档/生命周期 | 检查清单 |
| 成本优化 | 训练/推理/存储/网络成本/预算/配额/优化建议 | 表格：项 |
| 自动化与 CI/CD | 触发器/流水线/门禁/测试/推广/回滚/通知 | DAG 描述 + 门禁表 |
| 团队协作与交接 | 角色/职责/交接物/文档/知识库/值班/演练 | 矩阵：角色 |
输出约束：
- 完整端到端、可落地、可直接进主流 MLOps 平台
- 含数据血缘/模型版本/实验追踪/自动化重训
- 监控含数据/概念漂移、自动重训触发
- 治理含谱系/审计/隐私/偏见/可解释
- 成本可估算、可优化
- 可直接进 Kubeflow/MLflow/Airflow/Vertex AI/SageMaker
常用负面词：
no monitoring, no drift detection, no rollback, no lineage, no versioning, manual steps, no cost tracking, no governance
少样本示例
输入
生成一个批量预测流水线：用户流失预测(日批)
输出
ML流水线：用户流失预测 日批
业务: 订阅制 SaaS 流失预测，每日预测次月流失风险，召回>90%，精确率>30%
数据: 用户行为/账单/工单/NPS/客户成功记录 -> 仓库 -> Feast 离线
特征: 200+ 特征(使用深度/健康度/支持/账单/生命周期)，离线每日物化
训练: LightGBM/XGBoost，时间序列切分，MLflow，每周重训
评估: AUC>0.85/Recall@Top10%>90%/Precision@Top10%>30%/校准<0.05
部署: 批量推理 Airflow DAG 每日 02:00 跑全量 -> 写入数仓/推送 CRM/触达 CSM
监控: PSI/概念漂移/召回/精确率/覆盖率/业务转化，周度报告
治理: 模型卡/血缘/审计/隐私/偏见/可解释(SHAP Top20)
成本: 训练 $200/推理 $500/月，Spot/批处理/压缩优化
CI/CD: 数据门禁/特征一致性/训练/评估/注册/批量推理/监控/报告
输入
生成一个 LLM 微调流水线：领域适配/指令微调/RLHF
输出