AI系统生命周期（2026.08.25）

概念编号：069

一句话理解

AI 系统不是训练完成就结束，而是要经历设计、数据、建模、评估、部署、运行监控和退出。

具体解释

一个常见的生命周期可以理解为：规划与设计 → 准备数据 → 构建或适配模型 → 测试和评估 → 部署 → 运行与监控 → 更新、停用或退出。不同项目的阶段名称可能不同，但都需要持续检查效果、风险和责任。

边界与易混淆概念

• 生命周期不只是模型训练流程：训练只是其中一个阶段。
• 上线不等于完成：真实用户、数据变化和攻击会改变系统表现。
• 监控不等于盯着服务器：还包括质量、风险、成本、权限和用户反馈。

例子

上线一个知识库问答 Agent 后，还要持续监控引用准确率、隐私泄露、工具权限和用户反馈。

相关概念

• AI评估（2026.08.25）
• AI监控（2026.08.25）

来源

• OECD AI Principles
• NIST AI Risk Management Framework

概念卡更新日志

• 2026.08.25｜创建概念卡：依据 OECD AI 生命周期描述、NIST 风险管理框架和 AI 概念框架，登记为 069。