把检查清单贴在流程上，而不是记在脑子里
团队都知道"改动要跑评测" ✔，但忙碌时最容易省的就是这一步 ✗。
把检查清单写进流程 ✔（PR 模板、发布单、自动化门禁 ✔），执行率才会高 ✔。
一、按改动类型给清单（四种）
A. 改提示词
□ 只改了一处（能用一句话说清 ✔）
□ 离线对照：净胜数 + 区间（见对照实验那篇 ✔）
□ 失败类型无新增严重类别 ✔
□ 版本号已更新，并进日志 ✔
□ 变更说明（动机/证据/回滚 ✔）
B. 换模型
□ 冻结评测集与基线 ✔
□ 格式合规率不降；该拒答却作答率不升 ✔
□ 单位成本与 P95 延迟在预算内 ✔
□ 影子/灰度跑过（限时限比例 ✔）
□ 保留旧路径，可一键回滚 ✔
C. 改检索（切分/索引/排序）
□ 跑黄金集：召回@K、命中位次、无结果正确率（见检索回归 ✔）
□ 权限过滤仍然生效（越权检索数 = 0 ✔）
□ 索引滞后时间与删除残留检查 ✔
□ 抽样人工看 10 条结果质量 ✔
D. 改默认值/权限/额度
□ 是"安全默认"（见默认值那篇 ✔）
□ 界面显示当前状态 ✔
□ 危险项有二次确认 ✔
□ 变更对外说明（用户可感知的行为变化 ✔）
二、清单怎么才会被执行
- 进 PR 模板 ✔（不提就不许合并 ✔）；
- 能自动化的自动化（评测与门禁 ✔ —— 见发布门禁那篇 ✔）；
- 人工项要留痕（谁看的、结论是什么 ✔）；
- 定期精简（清单太长会被忽略 ✗ —— 每季度删掉没用的项 ✔）。
三、三个反模式
- 清单停留在文档里 ✗（没人照着做 ✔）；
- 所有改动用同一张清单 ✗（过重会被跳过 ✔）；
- 清单只增不减 ✗（半年后没人看 ✔）。
一条判据
随机抽最近 5 次改动 ✔，能否都找到对应的检查记录（评测结果/人工结论 ✔）？
有缺的，说明清单还没进流程 ✗。