/ml-pipeline-workflow

触发时机

从零构建新 ML 管道、设计 ML 工作流编排、自动化模型训练与部署，或建立可复现训练流程时使用。

工作机理

• 指导完整生命周期：数据接入 → 准备 → 训练 → 验证 → 部署 → 监控
• 提供 DAG 编排模式（Airflow、Dagster、Kubeflow）、数据校验、训练任务编排、验证框架与部署自动化（金丝雀、蓝绿）
• 附带参考文档与资源模板（pipeline-dag.yaml、training-config.yaml）

产生结果

一个结构化、模块化、版本化的 MLOps 管道，具备可复现训练、自动验证与安全部署及监控能力。