AI 应用不是崩是悄悄变差

项目交付完、验收通过、应用上线，双方都松了一口气。三个月后你再去问一句「最近用得怎么样」，得到的回答通常是「还行吧，没人反馈问题」。这句话听起来像好消息，其实是这个领域最典型的盲区。

AI 应用的劣化是慢性的、隐形的。它不像服务器宕机那样有人打电话找你，也不像接口报错那样留下红色记录——AI 应用最常见的故障形态不是崩，是悄悄变差。为什么看不出来？它不报错，缺陷流程照常成功、状态照常显示已完成；它没有对照组，没有基线就得不出来「变差」；后台展示的是流量，不是健康。

所以这件事需要一个固定动作：体检。检三层资产——服务器环境、应用本身（功能、异常、性能、安全、可靠性、压力六个维度）、以及应用背后的 Agent。判定靠参考范围不靠感觉：问题集通过率九成以上正常、低于七成五异常；误拒答率零正常；响应超过二十秒异常；运行失败率百分之三以内正常；备份超过十四天或根本没有，就是异常。健康分有一条关键规则：每个维度取最差的那一项，不是平均，因为一个异常项不该被一堆正常项稀释掉。

三个真实案例：四十四条问题集查出六条该答没答（手册里明明有答案，系统却说不在范围内，逐层取证才发现是意图分类节点解析失败走了兜底分支，而兜底与「真的不属于业务范围」共用同一句话术，一次系统故障被说成了「你没资格问」）；同一个应用一千四百零一个段落里有三百四十一段结构残缺，占近四分之一，它不降低系统可用性，只降低答案质量；还有响应，九五分位达到四十二秒。有意思的是，这个应用的回答质量其实不错——质量不错和体验不合格，在同一个系统上同时成立。

最后是一条边界：诊断和修复是两件事，出报告的人的动机是把话说准，而不是让问题看起来很多。体检、修复、验收像一家医院里的三个科室，各自守的是说得准、修到位、敢上线。