主张将LLM评估作为CI部署门禁，用版本化黄金用例、显式评分器和按切片路由在构建时拦截回归。门禁只能发现骤降，无法捕捉缓慢漂移，因此需对照已知良好基线做显著性检验，并对线上流量抽样做影子评估，监控人工覆盖率和置信度趋势，将失败案例回补进黄金集。

文章介绍用 PerfettoSQL 与 Trace Processor 将 Trace 分析从截图判断转为可复查查询：先查 stats 评估采集质量，再固定目标窗口与 upid/utid，用 SQL 查长切片、Running/Runnable 等证据，最后用 Python 批量跑多份 Trace，输出稳定 CSV 或 Trace Summary，支撑回归检测。

一个好的测试自动化套件应具备快速反馈、检测回归、作为文档、可靠性高、提供工程师间的契约、可报告、易于维护等特征，能够支持工程师的工作流程，提高生产力，减少生产缺陷。