把评测、发布和回滚纳入同一条 AI 研发流水线

这是一篇来自 FLUX 编辑部的深度内容，记录真实项目中的判断、取舍和可复用经验。

通过数据版本、自动评测和灰度发布，让模型迭代拥有可复用的工程节奏。