用途：为 SpecWeave 提供集中式 ML 模型生命周期管理，解决“生产在用哪个模型”“三个月前的模型能否复现”“出问题如何回滚”“元数据散落各处”“缺少审计记录”等问题。
主要能力：模型注册（保存模型产物、metadata.json、签名、requirements.txt、features.yaml）；语义化版本管理（major/minor/patch）；阶段推进 dev→staging→prod→archived，支持审批与 A/B 测试；一键回滚及自动回滚触发条件（错误率、延迟、精度下降阈值）；按名称、版本、日期检索模型；记录训练信息、性能指标、部署信息、特征、标签、负责人等元数据；追踪 data→features→training→model→deployment 血缘；比较两个版本；与 SpecWeave increment 工作流和 living docs 集成；支持 MLflow 或自定义存储（S3/GCS/Azure Blob）作为后端；提供监控、治理审计报告与多环境注册表。
使用方式：通过 Python API 调用，如 registry.register_model(...)、registry.promote_model(...)、registry.rollback(...)、registry.get_model(...)、registry.compare_models(...)；命令行包括 /ml:registry-list、/ml:registry-info、/ml:registry-promote、/ml:registry-rollback、/ml:registry-compare；文档同步使用 /sw:sync-docs update。
适用场景：需要模型版本追踪、安全发布、快速回滚、合规审计与血缘追溯的 ML 团队。
限制：资料未提供具体安装命令、收费与价格、平台支持范围及实际效果数据；部分能力依赖 SpecWeave 生态与所选注册表后端。