最近遇到一个容易被忽略的问题:同一套推理服务代码,在开发机、CI 和镜像里解析出的依赖版本不一致,表现可能是启动正常,但运行到特定算子、序列化路径或 GPU 后端时才报错。排查时不要先升级或重装依赖,建议先把三个环境的解析结果固定下来:pip freeze、pip show 关键包、镜像内实际 import 的模块路径,再和锁文件逐项对比。重点区分直接依赖、传递依赖和平台标记依赖,尤其是带 CUDA、Python 版本、glibc 或硬件后端条件的包。

第一步先确认锁文件是否真的被使用。requirements.txt 如果没有哈希、范围约束或间接依赖记录,CI 重新解析时就可能拿到新版本;使用 pip-tools、uv 或 Poetry 时,也要确认构建命令没有绕过 lock 文件。可以在 CI 增加一个只读检查,例如用 pip install --dry-run 或对应工具的 lock check,对比当前环境与锁文件是否一致。镜像构建则建议固定基础镜像 digest,而不是只写浮动 tag,否则系统库、Python 小版本和预装运行时变化也会影响 wheel 选择。

第二步把“解析差异”和“安装后行为差异”分开。解析差异看依赖树和 marker,例如同一包在 x86 与 ARM、不同 Python 版本下选择不同 wheel;行为差异则要检查实际加载路径、动态库和后端优先级。Python 里可以打印 package 的 __file__、__version__,必要时用 importlib.metadata 看 distribution 依赖,避免被同名本地目录、vendor 包或 editable install 遮蔽。GPU 推理场景还要同时记录驱动、运行时、框架版本和可见设备,因为依赖锁只能约束 Python 包,不能自动保证宿主机驱动兼容。

最后建议把依赖一致性做成发布门禁,而不是靠故障后人工比对。最小方案是在 CI 中生成冻结清单并归档,镜像启动时输出关键包版本和后端信息;更严格的方案是要求 lock 文件变更必须经过离线 wheel 缓存构建、最小推理用例和一次固定输入的性能 smoke test。这样能把问题边界收敛清楚:代码没变但结果变了,先查依赖解析;解析一致但行为变了,再查镜像系统库、驱动和运行时配置。