一句话速记：监控四类指标：性能（TTFT、TPOT、吞吐、错误率）、成本（token 用量、每次请求花费）、质量（抽样评估、用户反馈、转人工率）、安全（违规输出、注入攻击）。迭代靠「线上 bad case → 归类 → 加进评测集 → 改 prompt / 检索 / 模型 → 离线回归 → 灰度 A/B」的闭环。
评测、上线