特征变更是高风险操作。A是核心，通过“扩展”而非“替换”来保证在线服务的稳定性。B是强推式、同步化的错误方式，忽略了不同模型团队的排期差异和重新训练验证的成本。C至关重要，确保模型在训练（使用历史数据）和在线推理（使用新特征）时，对于同一时间段样本的特征取值是一致的，避免训练-服务偏差。D是特征版本控制的实践，将特征版本作为模型配置的一部分，实现可复现性和精准发布。B因其强制性和不切实际而被排除。