> For the complete documentation index, see [llms.txt](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-liu-bu-fen-yun-ying-pian/34-yun-wei-yu-piao-yi.md).

# 第 34 章 · 运维:模型会漂移失效

传统软件有一个让人安心的特性：只要不去改它，它就不会坏，今天能跑，明年还能跑。AI 不是这样。一个上线时表现很好的 AI 系统，几个月之后，可能在没人动它的情况下，悄悄变差了。这个反差，是运营 AI 时最需要建立的一个认识：它是会"自己变坏"的。

它为什么会自己变坏？因为它依赖的东西一直在变。它面对的真实世界在变——客户的问法、市场的情况、新出现的名词，都和它当初见过的不一样了，输入变了，它的表现就会漂移。它依赖的外部模型和接口也在变——供应商随时可能升级、调整、甚至下线某个版本，而模型行为的一点变化，就可能让上层应用的表现一夜之间不同。它用的数据在变，人们使用它的方式也在变。所有这些变化累加起来，就是一个上线时好用的系统，慢慢退化的过程。

所以 AI 的运维，不是把系统交付上线就完事，而是一件要长期做的活。要持续监控它的质量，而不是上线时验收一次就再不管；要监控成本、监控异常；更重要的是，要能及时发现它在退化，并及时干预。这件事的难处在于，AI 的失效往往是悄悄的、概率性的——它不像服务器宕机那样一眼可见，而是准确率一点点滑下去，等有人察觉，可能已经错了很久。所以监控不能靠"出了大事再说"，得靠持续地、主动地盯。

依赖外部模型这一点，值得单独拎出来。很多企业的 AI 应用，建在别人提供的模型之上，这意味着供应商的一次升级、一次行为调整、一次下线通知，都可能直接改变企业的应用表现，而企业事先毫不知情。应对之道，是把它当成一种供应链风险来管：记清自己用的是哪个版本，准备好回归测试，让关键场景在模型更新后能快速验证是否还正常，并保留切换到备选的余地——别让整个业务的稳定，系在别人一次说改就改的更新上。

一句话收束：别把 AI 当成一次性交付的项目来管，它更像一个需要长期照料的活物。上线只是养它的开始，不是结束。想清楚这一点，运营预算和运维团队的安排，才不会在上线那天戛然而止。

## 要点速查

* 传统软件"不动就不坏"；AI 会"自己变坏"——依赖的世界、外部模型、数据、使用方式都在变，导致漂移退化。
* AI 的失效是悄悄的、概率性的（准确率慢慢滑），不像宕机一眼可见，必须持续、主动监控，而非"出大事再说"。
* 运维要做：持续盯质量/成本/异常，及时发现退化并干预；上线是养它的开始，不是结束。
* 依赖外部模型=供应链风险：记版本、备回归测试、留可切换余地，别让业务系在供应商一次更新上。

## 给管理者的三步

* 现在：确认上线的 AI 有没有持续监控，还是"交付即不管"；没有就先补上质量监控。
* 三个月：为关键场景建立退化预警和定期回归测试，尤其针对外部模型更新。
* 一年：把 AI 运维当长期职能来配人和预算，而不是当一次性项目在上线后解散团队。


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://doras-dreamland-adventure.gitbook.io/enterprise-ai-transformation/di-liu-bu-fen-yun-ying-pian/34-yun-wei-yu-piao-yi.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.