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「模型流水线」从硬编码改造为编排化、配置化实现：每个
步骤是可插拔的 Step，步骤间数据通过 Context 流转，整条流水线由声明式
配置驱动——切换模型 / 数据源只改配置，编排代码零改动。
当前已交付
| 模块 | 对应 issue | PRD 5.3 模型 | 说明 |
|---|---|---|---|
pipeline |
#40 | ③ 训练/推理流水线编排 | 数据→训练→评估→注册→加载→推理一条龙编排 |
训练 / 推理流水线（pipeline.py）
模型从「开发」到「上线」是一条流水线：数据准备 → 特征工程 → 训练 → 评估 → 注册（版本化） → 加载 → 推理 → 监控。手写脚本拼接不可复用、不可审计、不可 重放。本模块把这条流水线编排化、配置化。
核心组件
Step抽象基类：prepare/run/teardown三段式生命周期。内置：LoadDataStep（CSV / 内存加载数据）TrainStep（可插拔Estimator训练）EvaluateStep（accuracy / MAE / RMSE）RegisterStep（注册到ModelRegistry，版本化）LoadModelStep（按版本 / 别名加载）PredictStep（批量推理）CustomStep（可调用 handler 快速接入业务）
Pipeline编排器：顺序执行 Step，自动传递 Context，支持dry_run/ 失败短路。Context：步骤间数据流转（params 只读 + artifacts 可写）。ModelRegistry：内存模型注册表（多版本 + latest/stable 别名），对接 issue #41 雏形。Estimator：可插拔训练算法（MeanRegressor/MajorityClassifierstub，无外部依赖）。PipelineConfig：声明式配置，from_dict/to_dict可序列化往返。
快速开始
from pipeline import (Pipeline, LoadDataStep, TrainStep, EvaluateStep,
RegisterStep, LoadModelStep, PredictStep)
# 切换模型 / 数据源只改配置，编排代码零改动
pipe = Pipeline("demo", [
LoadDataStep("load", {"source": [[1, 10], [2, 20], [3, 30]]}), # 末列 target
TrainStep("train", {"estimator": "mean_regressor"}),
EvaluateStep("eval", {}),
RegisterStep("register", {"model_name": "demo", "version": "v1"}),
LoadModelStep("load_model", {"model_name": "demo", "version": "v1"}),
PredictStep("predict", {"input_key": "dataset"}),
])
result = pipe.run()
print(result.success, result.step_results)
声明式配置驱动
from pipeline import Pipeline, PipelineConfig
cfg = PipelineConfig("config-driven", steps=[
{"type": "load_data", "name": "load", "params": {"source": rows}},
{"type": "train", "name": "train", "params": {"estimator": "mean_regressor"}},
{"type": "evaluate", "name": "eval", "params": {}},
{"type": "register", "name": "reg", "params": {"model_name": "demo", "version": "v1"}},
{"type": "load_model", "name": "lm", "params": {"model_name": "demo", "version": "v1"}},
{"type": "predict", "name": "pred", "params": {"input_key": "dataset"}},
])
result = Pipeline.from_config(cfg).run()
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
接口风格对齐 issue #34（Model Recipe）、#36（quality_forecast）、#38
（cross_process_optimizer）。本模块自包含、不依赖未合并分支；TrainStep
的 Estimator 可插拔，未来可对接 #36 质量预测模型作为具名 estimator，
RegisterStep 可对接 #41 完整版本机制，业务侧零改动。