90.人工智能实战：大模型生产运维 Runbook 怎么写？从线上故障响应到排查路径、回滚动作与复盘模板 人工智能实战：大模型生产运维 Runbook 怎么写？从线上故障响应到排查路径、回滚动作与复盘模板一、问题场景：线上出问题后，大家都在群里问“现在该怎么办？”大模型系统上线后，一旦出现问题，常见反应是：谁改了 Prompt？ 模型是不是挂了？ 知识库是不是更新了？ 是不是向量库有问题？ 先重启试试？如果没有 Runbook，故障处理会非常混乱。我见过一次线上事故：RAG 问答突然大量回答“无法确定”。群里同时有人查：模型服务 向量库 知识库版本 Prompt 网关 权限但没有明确顺序，排查效率很低。最后发现：知识库 active_version 被错误切到了空索引。如果有 Runbook，排查路径应该是：先看错误范围 再看版本变更 再看召回结果 再看模型 最后回滚知识库版本本文解决的问题是：