人工智能实战：大模型系统如何做 CI/CD？从前期发现“Prompt 改坏了”到自动评测、发布门禁与回滚

一、问题场景：代码没改，Prompt 改了，线上却出事故了

传统软件系统里，CI/CD 通常围绕代码：

代码提交 ↓ 单元测试 ↓ 构建镜像 ↓ 部署

但大模型系统不一样。

很多关键行为来自：

1. Prompt 2. 模型版本 3. RAG 配置 4. rerank 参数 5. 工具描述 6. 安全策略 7. 知识库版本

这些东西不一定在代码里，却会直接影响线上结果。

我遇到过一个真实问题：

开发没有发版，但运营改了一版 Prompt：

回答要更自然，可以适当补充背景信息。

上线后出现：

1. 无答案问题开始强行回答 2. RAG 回答引用变少 3. token 成本上升 4. 部分 JSON 输出解析失败

从代码发布系统看：

没有任何变更。

但从