为什么必须埋点
"感觉最近效果变差了"是无法行动的。AI 功能的埋点要能回答四个问题：
**谁在用、用得怎么样、错在哪里、花了多少钱**。
该记录的字段
**基础**
时间戳、会话/请求 id、用户或租户 id（注意合规：能不用个人标识就不用）；
功能入口（哪个页面、哪个按钮）、设备与语言。
**调用**
模型与**版本**、提示词版本、参数（温度、上限）；
输入长度、输出长度、耗时（**首字延迟与总时长分开记**）；
是否命中缓存、是否走了降级、用了哪条通道。
**质量**
校验是否通过、失败原因分类（格式错/字段缺/业务规则不符）；
用户反馈（点赞/点踩/改写/放弃）；
是否触发人工介入。
**成本**
输入/输出 token 数或调用次数，折算成金额；
按功能、按租户聚合，能看出"谁在烧钱"。
三张必备看板
1. **健康度**：成功率、校验失败率、降级率、P95 延迟；
2. **质量**：负反馈率、人工介入率、按失败类型分布；
3. **成本**：每日花费、单次调用均价、花费 Top 功能与 Top 租户。
常见做法上的坑
**只记成功**：失败与超时才是最有信息量的；
**不记版本**：出问题时无法归因到具体模型/提示词版本；
**记了不聚合**：明细一大堆，却答不出"哪个功能在恶化"；
**把个人敏感信息原样入库**：埋点也要按最小必要原则脱敏。
落地顺序
1. 先加"请求 id + 版本 + 耗时 + 成败"这四样（改动最小、信息量最大）；
2. 再加校验失败原因与用户反馈；
3. 最后接成本折算与看板；
4. 定一个**每周复盘**动作：看失败类型分布的变化，而不是只看总量。