⚙️ 工程化与评测
测试、版本化、灰度与发布
把非确定性行为纳入可重复发布流程。
最后更新：2026年9月9日Markdown 知识文档
测试层次
- 单元：Schema、权限、路由、状态、幂等和工具适配；
- 集成：沙箱工具、Checkpoint、超时和恢复；
- 离线评测：代表性任务多次运行；
- 红队：注入、越权、外传和危险动作；
- 线上：灰度、人工抽检和失败回流。
版本化模型快照与参数、Prompt、工具 Schema、框架、代码、知识库索引、评测集和 Grader，缺一项就难解释回归。
发布流程：离线门禁 → 沙箱集成 → 小流量灰度 → 观察质量/安全/成本/延迟 → 扩大流量。设置回滚阈值，并让未完成长任务兼容旧版本。
关联面试题： E15 非确定测试 · S17 发布 · T16 框架升级
