技术类内容要先锁定前提条件，再检查配置、调用方式和最终输出是否符合预期。

AI 平台对象存储：模型、数据集和结果不能混用一个桶AI 平台离不开对象存储：模型权重、训练数据、评测集、推理结果、日志归档、用户上传文件都会放进去；为了方便，很多团队早期把所有东西放进一个 bucket，通过路径区分；短期没问题，长期会遇到权限混乱、生命周期策略冲突、成本难归因和误删风险。如果全部混在一个 bucket，只靠路径命名管理，权限策略会越来越难写；更稳的方式是按资产类型或敏感级别拆 bucket，再用统一标签做成本和租户归因；生命周期策略要独立lifecycle:inference-results:expire_days: 30logs:expire_days: 90model-weights:reta。生命周期策略如果共用，很容易出现该删的不删、该留的被删；模型和配置适合开启版本，临时结果不一定要；版本化会增加成本，必须结合资产价值决定，而不是全局打开。