#3楼2026-11-06 13:04
补充一个我们常用的做法:灰度初期不要只看聚合指标,要做同请求影子对比,把同一批真实请求同时发给新旧模型,逐条记录输出差异和耗时,这样能定位是哪类任务变差,而不是只看到平均分掉了。指标建议分三层:服务层看 p99 延迟、超时率和错误率;效果层用固定黄金集跑自动评测,按任务类型拆分,不要只看总分;业务层看关键任务成功率和用户负反馈率。回滚阈值我们定的是任一核心指标连续 15 分钟恶化超 5%,或错误率翻倍,自动回切;灰度比例从 5% 起步,每步观察至少一个业务高峰再翻倍。