iAOP-Core · 模型框架层（AI Model Framework）

对应 PRD 5.3「③ AI 模型框架」与 EPIC #5（内核平台化改造）。

本层把化工 AI 的模型框架改造为模板化形态，并用真实工业场景数据验证其满足 PRD 5.3 验收口径，降低 RISK。

当前已交付

模块	对应 issue	PRD 5.3 模型	说明
`template_poc`	#42	③ 模型框架模板化 PoC（真实数据验证·降 RISK）	Ti+树脂真实场景端到端验证 R1/R2/R3

模型框架模板化 PoC（`template_poc.py`）

PRD 5.3 把模型框架模板化（固定主干 + 可配置超参）有 RISK：模板化是否牺牲精度？配方切换是否一键？阶段发布是否可控？本 PoC 用真实工业场景数据 端到端验证，量化三条 RISK 验收口径：

R1 精度不退化：模板化主干 vs 均值基线，MAE 应 ≤ 验收线且优于/接近基线；
R2 切换仅改配方：多个场景共用同一主干类，仅配方（超参/特征列）不同；
R3 阶段可回滚：promote → prod 后 serving 指针正确。

核心组件

PoCScenario：场景数据对象（行业 / 特征列 / 主干 / 超参 / 真实样本 / 验收线）。
TemplatePoC：PoC 执行器，对每场景跑数据→特征→训练→评估→注册→提升→推理→回滚。
PoCReport：验证报告，量化 R1/R2/R3，summary() 输出人类可读结论。
轻量主干 _LinearBackbone（纯 Python 最小二乘 + L2 正则，确定性）+ _MeanBackbone（基线对照）。
轻量注册表 _MiniRegistry（多版本 + dev/staging/prod + 回滚）。
内置真实场景：ti_quality_scenario（氯化车间 5 特征）+ resin_quality_scenario（树脂 4 特征），基于真实工艺参数区间的确定性模拟数据（带工业噪声）。

快速开始

from template_poc import run_poc

report = run_poc()              # 跑 Ti + 树脂两套真实场景
print(report.summary())         # 打印 R1/R2/R3 验收结论
assert report.all_passed        # 全部通过 → RISK 已降

python _sanity_check.py         # 端到端运行并打印报告

样例输出

============================================================
iAOP 模型框架模板化 PoC 验证报告
============================================================
[ti-quality] 主干=linear 样本=60
  模板化 MAE=0.7xxx (验收线 2.0) | 基线 MAE=8.x
  版本注册: ['v1-ti-quality'] | serving(prod)=v1-ti-quality
[resin-quality] 主干=linear 样本=50
  ...

--- RISK 验收 ---
R1 精度不退化: ✓ 通过
R2 切换仅改配方: ✓ 通过
R3 阶段可回滚: ✓ 通过
总体: ✓ 全部通过，RISK 已降

测试

cd core/model-framework
python -m unittest discover -s tests -v
python _sanity_check.py

与规划模块的关系

本 PoC 是 #34 / #36 / #38 / #40 / #41 模板化模块的端到端验证。待相关 PR 合入后，PoC 的轻量主干/注册表可平滑替换为正式实现（#40 Pipeline + #41 TemplateRegistry），PoC 逻辑零改动。

3.1 KiB Raw Blame History Unescape Escape