引言：为什么版本管理是MLOps的核心支柱在构建生产级ML系统时，任何变更——无论是代码调整、模型更新还是数据替换——都可能引发连锁反应。MLOps的第二个核心原则就是全方位版本管理，要求对代码、模型和数据三种资产分别进行独立版本化，从而确保整个系统的可追溯性与可复现性。代码版本管理：Git与语义版本号代码是ML系统的基石，版本管理最为成熟。主流方案基于Git，每次修改产生一个commit（快照），但commit的哈希值不具可读性，因此需要**发布（release）**机制。语义版本号：遵循vMAJOR.MINOR.PATCH格式。例如v1.2.3中，1为主版本（重大变更），2为次版本（新增功能），3为补丁（bug修复）。常用工具：GitHub、GitLab等平台均支持release管理。实践建议：每次发布应打包多个功能和修复，并更新CHANGELOG；commit message需明确关联到issue或feature。模型版本管理：模型注册表与元数据存储模型本身是产物，也需要版本化。模型注册表（Model Registry）是核心组件，用于存储、共享和版本化所有模型。版本化规则：同样采用语义版本，并支持alpha/beta预发布标记。元数据记录：利用ML元数据存储（如MLflow的Tracking、Weights Biases的run）附加训练信息，包括：训练数据版本模型架构与超参数性能指标（准确率、延迟）