AI 应用进入生产前的三项治理检查

一、接入是否稳定

多模型场景下，应用应通过统一接口调用逻辑模型，由接入层负责协议适配、模型路由和异常切换。这样可以减少上游模型变化对业务代码的影响，也便于统一观察请求状态和延迟。

接入层要区分连接失败、模型拒答、业务参数错误和执行超时。不同错误应采用不同的重试、降级或人工处理策略。对于会触发外部系统写入的任务，必须记录执行状态，避免因为客户端超时而重复发起动作。

二、成本是否可控

应根据任务难度配置模型档位：日常任务使用主力模型，复杂分析和工程任务使用高能力模型，图片和图纸使用多模态模型。同时按部门或应用分配 Key、额度和模型白名单，使调用量能够归属到具体责任范围。

预算治理可以分成三层：请求级限制防止单次异常，应用级额度控制日常消耗，部门级预算用于月度核算。系统还应记录 Token、请求次数、失败重试和模型切换，避免只看供应商账单而忽略内部调用放大。

三、调用是否可审计

生产环境需要保留身份、凭证、模型、时间、状态等关键关联信息。涉及客户资料、工艺参数或研发图纸时，应在请求离开企业边界前完成敏感数据识别和脱敏。审计记录还应支持异常检索和事后复盘。

建议将审计字段分为三类：身份与授权字段、请求与路由字段、处置与结果字段。三类字段通过统一请求 ID 关联，既方便排查，也能避免在不同系统中重复查找。对于敏感内容，可以保存分类结果和处理动作，不必在普通运维日志中保留完整原文。

四、上线前如何做验收

可以先选择一条真实业务链路，从身份识别开始，依次检查凭证、路由、预算、数据处理和日志是否能够完整关联。然后进行异常测试，包括额度耗尽、凭证撤销、模型不可用、响应超时和敏感字段输入。

只有当系统能够说明“谁调用、调用什么、花费多少、经过什么处理、异常如何处置”，AI 应用才具备进入生产的基础。模型清单、价格和具体功能可能动态变化，实际可用范围应以官网和控制台实时信息为准。