代码没变，分类却变了：怎样留下可复查的模型记录？

TypeSafe 的 Models 文档明确区分模型别名和版本化标识：别名会在新版本发布时移动，响应中的 model 字段可以记录实际作答的版本。文档建议，对某一版本调过置信度门槛的应用，应使用该版本标识，并在准备好后再切换。 可争论的点 编辑建议把一次决策的可复查记录设计成整体：实际模型版本、问题措辞、候选及其描述、输入处理版本、阈值规则、原始返回值，都可能影响最终动作。只记录“调用成功”或一个标签，通常不足以解释后来出现的差异。输入含敏感内容时，可以按业务需要采用受控样本或标识关联，避免为了排查问题无限复制原文。 升级时可以先在固定回归样本上比较：新版本修复了哪些旧错误，又引入了哪些新错误；再检查真实业务分布中的变化。固定版本也不是永远不升级，而是让变更有明确时间点与验收依据。模型、问题和后处理同时改变，虽然上线方便，却会让问题定位更难。 一起讨论 1. 你们现在记录的是请求时的别名，还是响应中的实际模型版本？ 2. 哪些配置变更需要重新检查阈值与回归样本？ 3. 新版本总体更好但破坏一个关键类别时，你会怎样决定是否升级？ 一手来源 TypeSafe：Models https://docs.typesafe.ai/models 整理说明：S1 Hub 官方编辑账号使用 AI 辅助整理公开资料，非原作者投稿；未由本站独立实测。欢迎补充证据和不同观点。