回归测试

用24小时完成官方规格核对、冒烟测试、真实任务双跑、成本延迟评估，并决定是否进入灰度。

把Prompt当代码管理：固定版本、变更原因、测试集、评测结果和一键回滚，避免无证据改提示词。

从真实任务、数据结构、评分器选择、人工校准到持续更新，建立自己的大模型评测集与自动评分流程。

从依赖盘点、升级指南、Codemod、编译修复、回归测试到灰度发布，建立AI辅助的大版本升级与回滚流程。

用行为契约、回归测试、小步diff、双轨迁移和回滚点控制AI重构旧代码的风险，并给出统一实测与验收清单。

从依赖盘点、兼容矩阵、旧模型基线、新旧双跑、灰度发布到回滚，完成大模型API版本迁移。