把提示词与数据版本绑在一起：可复现的一次调用

结果不一致通常源于模型、提示词或数据变了。本文给出可复现调用要记录的四组信息、调用指纹的做法与用途、缓存键与指纹的关系、在评测与复盘中的用法与落地顺序。

"同样的输入，为什么这次结果不一样"

这是 AI 系统最常见的追问 ✔。原因通常有三类：**模型/版本变了**、**提示词变了**、**数据（检索结果）变了** ✗。

如果这三件事没有一起记录下来，就永远答不清楚 ✗。

每次调用至少记录四组：

1. **模型标识**（名称 + 版本 + 关键参数：温度、上限）；

2. **提示词版本**（含模板版本号与变量值摘要 ✔）；

3. **数据版本**（检索结果集：用了哪些片段、它们的哈希、来源文档版本）；

4. **组装清单**（哪些组件参与、各多少 token —— 见可组装上下文那篇 ✔）。

**关键**：不要只记"最终拼好的字符串" ✗ —— 那样无法归一化、无法定位是哪一段变了 ✗。

做法：给每次调用生成一个**调用指纹**（fingerprint）：

```

fingerprint = hash(模型 + 参数 + 提示词版本 + 数据片段哈希 + 组装策略版本)

```

好处：

同一指纹 → 结果**应该**一致（除模型本身的不确定性 ✔）；

指纹变化 → 能立刻知道是哪一类变了 ✔；

评测时按指纹分组，避免把"换了版本"的差异算成"提示词的效果" ✗。

缓存键**必须包含指纹** ✔（否则换了版本还在吃旧结果 ✗ —— 见缓存那篇 ✔）；

反过来，指纹也让你能**主动失效**：提示词升版本时批量清掉旧键 ✔。

对照实验：**冻结指纹里除被测项以外的全部** ✔；

回归：同一批样本用同一指纹重跑，结果应稳定 ✔；不稳定说明还有未记录的自由度 ✗；

事故复盘：用指纹串起"当时到底给了模型什么" ✔（这是复盘里最先要回答的问题 ✔）。

1. 先加**提示词版本号**与**模型参数**记录（半天 ✔）；

2. 再把检索片段的**哈希**记下来 ✔；

3. 然后算指纹并进缓存键 ✔；

4. 最后把组装清单也纳入（用于定位"哪一段变了"）✔。

> 只给你一条日志，你能否在 5 分钟内回答"当时模型看到了什么" ✔？

> 答不上，说明可复现性还没做到位 ✗。