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