AIGen：通过混合MLOps集成自动化AI物料清单生成

AIGen是一个基于MLflow MLOps框架的模块化AI物料清单（AIBoM）自动生成工具，结合挖掘启发式和大语言模型，生成符合SPDX 3.0标准、机器可读且互操作的AI系统组件清单。该工具通过插件接口支持Hugging Face、PyTorch和TensorFlow等多种AI框架，旨在帮助开发者和组织满足欧盟AI法案、NIST AI风险管理框架等合规要求。

此前能够自动生成符合SPDX 3.0标准的AI物料清单（AIBoM）的实用工具非常稀缺。AIGen的出现填补了这一空白，使AI系统组件文档化从手动过程变为自动化、可扩展的流程，为AI供应链透明度和合规审计提供了具体、可复用的基础工具。

AIGen运行在MLflow MLOps框架之上，通过分析数据集、模型权重、训练流水线和运行时依赖等组件，利用挖掘启发式规则提取已知信息，并借助大语言模型处理非结构化或缺失的元数据。其插件架构允许开发者添加特定领域的收集器，无需修改核心代码，从而适配不同AI框架和行业需求。

对于采用MLflow管理AI生命周期的团队，可直接集成AIGen自动生成AIBoM，减少手动文档工作量；对于其他框架使用者，可根据插件接口开发适配组件。该工具降低了AI系统合规成本，有助于在开发阶段就追踪和记录供应链中的各组件版本与依赖关系。

• 在MLflow实例中部署AIGen插件，实现AI项目每次训练或部署后自动生成AIBoM文档
• 为内部AI资产审计开发定制的领域收集器，自动记录训练数据和模型权重的来源与版本
• 基于AIGen的输出构建可视化仪表盘，展示AI供应链的组件依赖与合规状态
• 将AIGen集成到CI/CD流水线中，作为AI模型发布前的合规检查步骤

• AIGen在跨不同MLflow版本或自定义MLflow流程时的兼容性和稳定性如何？
• 对于非基于MLflow的AI项目，是否提供轻量级的独立运行模式？
• 插件生态的实际贡献情况如何？是否有第三方收集器被验证有效？
• 大语言模型在提取元数据时可能引入的幻觉或错误如何检测与修正？