模型可以热更新，提示词可以随时改，但智能体是一个模型加工具加流程加记忆的复合系统，任何一个环节的改动都可能让线上行为突变。直接全量发布新版本智能体，等于在生产环境做实验。灰度发布不是可选项，是必选项。

一、流量切分：按用户、按会话、按任务类型

灰度第一步是决定谁先用上新版本。常见策略有三种：按用户比例切分，如百分之五的用户先行，适合通用型助手；按会话切分，新开的会话走新版本，老会话保持旧版本直到结束，避免一次对话中途行为突变；按任务类型切分，先放行低风险任务如问答，工具调用类任务后放行，把爆炸半径控制在最小。工程实现上一般在网关层按规则路由，版本号作为显式标签打在每次请求上，方便追踪。

二、影子运行：先看它会做什么，再让它真做

对高风险的智能体，建议先跑一段影子模式：新版本接收线上真实请求的复制流量，完整跑完推理和工具调用规划，但所有写操作，包括发消息、改数据、调外部接口，都被拦截，只记录它本来想做什么。通过对比影子输出和旧版本实际输出的差异，能在零风险的情况下发现行为漂移。影子阶段重点看两类指标：工具调用序列的变化，比如是不是开始调不该调的工具；以及拒绝率和求助率的变化，比如是不是变怂或者变莽了。

三、回滚指标：先定义什么叫坏了

灰度没有回滚指标就是裸奔。智能体的回滚指标要分三层：任务成功率，即端到端任务完成的比例，掉得太多直接回滚；异常行为率，即工具调用失败、超时、进入死循环的比例；用户反馈信号，即差评率、人工接管率、问人触发率的异常波动。每个指标都要设自动熔断阈值，触发后自动切回旧版本，而不是等人工发现。注意基线要用灰度前一段时间的稳定数据，节假日、大促等特殊时段要单独设基线。

四、与模型版本解耦：智能体版本不等于模型版本

一个常见的坑是把智能体版本和底层模型版本绑在一起发布，出了问题不知道是谁的锅。正确做法是两者独立编号、独立灰度：模型升级走模型自己的灰度通道，智能体侧通过配置指定模型版本；智能体的提示词、工具编排改动走智能体自己的版本号。发布矩阵里要记录每次线上组合，比如智能体二点三版搭配模型某版本，出问题时能精确回滚到上一个稳定组合，而不是一锅端。

灰度发布的本质，是承认复杂系统一定会出意外，然后用工程手段把意外的代价压到最小。对智能体这种行为空间巨大的系统，这一点比传统服务重要十倍。