上线后的第一周：AI 功能该盯什么

AI 功能上线第一周最容易出成本失控、延迟飙升与坏输入打崩。本文给出上线前必备四件事、每天该看的指标、三个典型事故与对应防线，以及第一周结束时应能回答的问题。

上线不是终点，第一周决定"能不能活下去"

AI 功能上线后第一周，最容易出的事**不是效果差**，而是：成本失控、延迟飙升、坏输入打崩、

以及"没人知道它到底在发生什么"。所以第一周要**盯指标**，而不是盯好评。

1. **埋点**：请求 id、模型与提示词版本、耗时（首字与总时长）、成败、校验失败原因、成本（见"埋点"那篇）；

2. **护栏**：限流、配额、超时、最大输入长度、最大输出长度；

3. **降级链**：上游不可用时按"重试→小模型→规则兜底→明确不可用"逐层退（见"降级设计"那篇）；

4. **回滚开关**：能一键关掉或切回旧版本/旧模型 —— **没有回滚开关就不要全量上线**。

**当天（高频）**

错误率与**失败类型分布**（格式错 / 超时 / 校验拒绝 / 上游 5xx）；

P95 延迟（首字与总时长分开）；

降级触发次数与原因；

成本曲线（当日花费、单次均价）。

**每天（固定时间）**

负反馈与人工介入样本（抽 10 条看原文，**不要只看比例**）；

坏的"最贵请求"Top 10（哪类输入最烧钱）；

被拒绝的输入样例（可能是规则写太紧，把正常请求挡了）。

| 事故 | 防线 |

|---|---|

| 某租户脚本刷接口，成本当天翻倍 | 租户配额 + 限流 + 成本告警 |

| 某类超长输入让 P95 从 2s 变 30s | 输入长度上限 + 超时 + 排队可见 |

| 上游抖动导致大面积失败 | 重试 + 降级链 + 明确不可用提示 |

谁在用（入口、频次、留存）；

效果如何（成功率、负反馈率、失败类型）；

花了多少（单位成本、最贵的功能与租户）；

出过什么事（每次事故的原因与已加的防线）；

下一步做什么（**按数据**，而不是按感觉）。

上线即全量、无回滚开关；

只看"好评率"，不看失败类型；

成本不设告警，月末才发现；

出了事故只改文案，不加防线。