把线上回放做成研发工具，模型问题才不会重复发生

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。

线上事故复盘常常停留在一份文档里，下一次版本发布时同样的问题仍可能再次出现。更成熟的做法是把失败请求、上下文和工具响应脱敏后保存成可回放样本。

修复一个问题之后，团队可以自动运行这批样本，并比较准确率、延迟和成本是否同时达标。

回放机制把一次事故变成长期资产，也让模型研发拥有更接近传统软件测试的反馈速度。