标准回答
交付物要可复现
研究侧不能只丢一个权重文件。要交付完整可复现包：训练代码、数据版本/快照、环境依赖（容器镜像或锁定版本）、超参配置、模型卡（用途、训练数据、指标、局限）和离线评测报告。
约定推理契约
和工程明确推理契约：输入输出 schema、特征如何获取与预处理、批/实时模式、延迟与吞吐 SLA、依赖的外部服务。这是双方协作的界面。
特征一致性是头号坑
训练用离线批处理特征，服务用实时特征，口径极易不一致（training-serving skew）。最好共享一套特征逻辑或特征平台，并用同一份样本做线上线下比对验证。
安全上线
上线前跑冒烟测试和影子流量验证；用灰度/A-B 逐步放量观察指标；准备回滚预案。整个过程要文档化，避免研究「扔过墙」、工程接不住。
常见误区
⚠️ 常见踩坑
研究只交付权重和一份 notebook，缺环境/数据/契约，工程无法复现；以及忽视训练-服务特征不一致，导致离线指标好但线上效果崩。
追问
追问 1：如何保证训练和线上推理结果一致？
三个手段：一是统一特征计算逻辑，用特征平台让训练和服务共用同一套转换代码，避免两边各写一遍；二是固化预处理与版本（分词器、归一化参数、特征版本）随模型一起发布；三是上线前用同一批样本跑线上线下双跑比对，差异超阈值就拦截。
追问 2：交接时模型卡应该包含什么？
模型卡应包含：模型用途与适用边界、训练数据来源与时间范围、关键评测指标（含分群表现）、已知局限与失败模式、推理输入输出规范、性能与资源需求、版本与负责人。目的是让工程和后续维护者无需追问就能理解模型能做什么、不能做什么、怎么用。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。