20260625:很多新内容

concepts/cace-principle.md

@@ -0,0 +1,37 @@
+---
+title: "CACE 原理 — Change Anything Changes Everything"
+created: 2026-06-19
+updated: 2026-06-19
+type: concept
+tags: [ml-engineering, technical-debt, system-complexity, maintainability]
+sources:
+  - https://arxiv.org/abs/1506.07756
+  - https://towardsdatascience.com/six-choices-every-ai-engineer-has-to-make-and-nobody-teaches/
+---
+
+# CACE 原理
+
+## 定义
+
+**CACE = Change Anything Changes Everything**（改变任何事物都会改变一切）。
+
+来自 Sculley et al. (2015) 的经典论文《Hidden Technical Debt in Machine Learning Systems》（NeurIPS）。在 ML 系统中，流水线上的一个小调整可能引发其他地方的惊人变化。
+
+## 核心洞察
+
+- 这种级联效应在线性回归中很少发生，但在**集成系统和神经网络中经常发生**
+- **数据依赖比代码依赖更昂贵**——数据更难追踪、更难版本化、更难向继承者解释
+- 实际的模型代码只是真实 ML 系统的一小部分——大部分是特征存储、管道逻辑、监控、重训练触发器及它们之间的粘合剂
+
+## 实践含义
+
+在为 2% 的精度提升选择更复杂模型之前，问自己：
+> **一年后谁拥有它？** 如果答案是"不清楚"，那就是决策点。
+
+隐含成本：18 个月的调试时间、重训练开销、以及"没人记得我们为什么这样做"的税。
+
+## 参考
+
+- [[ml-technical-debt|ML 技术债务]]
+- [[ai-production-tradeoffs|AI 生产权衡]]
+- [[nobrega-ai-production-tradeoffs-2026|原文文章]]