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。