上线前的观测、灰度与回滚

核心问题

上线不是部署命令成功，而是用户能完成任务，错误能被发现并由负责人处理。缺少日志的系统很难区分模型、数据和接口问题。

实践方法

记录请求标识、耗时、成本、模型版本和结果状态，避免写入敏感原文。先影子运行，再小流量开放。预先确定回滚开关、通知人和恢复检查。

动手练习

模拟一次外部接口中断，观察用户反馈、告警、重试和恢复；把操作步骤写成一页值班手册。

怎样检查成果

保存原始输入、你的处理过程和最终交付物。请一位目标使用者独立检查，记录他无法理解或无法使用的部分；下一轮只改一个关键问题，再比较修改前后的结果。