在使用mlflow进行模型保存时，可以使用以下代码示例来保存并记录自定义模型：

import mlflow
import mlflow.pyfunc

# 定义模型
class MyModel():
    def __init__(self, alpha=0.5):
        self.alpha = alpha

    def predict(self, x):
        return self.alpha * x

# 创建模型实例，并使用mlflow进行打包和保存
model = MyModel(alpha=0.8)
mlflow.pyfunc.save_model(path="my_model", python_model=model)

# 从已保存的模型中加载模型，并进行预测
loaded_model = mlflow.pyfunc.load_model(model_uri="my_model")
result = loaded_model.predict(10)
print(result)

在上面的代码中，我们定义了一个名为MyModel的自定义模型，并使用mlflow的pyfunc模块进行了模型保存和加载。在创建模型实例后，我们可以使用mlflow.pyfunc.save_model方法来将模型打包并保存到指定路径。对于后续模型的使用，我们可以使用mlflow.pyfunc.load_model方法，通过model_uri指定已保存模型的路径，来加载模型进行预测。