模型可觀測性（model observability）

監控告訴你出了問題；可觀測性則讓你能追問為什麼，而不必為了找答案而上線新程式碼。模型可觀測性借用系統工程的概念，把一個已部署的模型儀表化得極為豐富——輸入、輸出、中間特徵、信心度、延遲與下游結果——讓你能在事後盤問任何非預期的行為。當準確度每逢週二就下滑，可觀測性正是讓你能依區隔、特徵與時間切片，定位出那個族群與成因，而不只是確認下滑這件事。

實務上，這意味著把每一筆預測連同其完整特徵向量與中繼資料一起記錄，然後支援多維切分分析：各區隔的效能、特徵歸因與分布的逐層下探、校準曲線、離群值與嵌入聚類檢視，以及把預測連結到延遲到來的真實標籤的能力。它與單純監控的對比在於深度：監控盯著一組固定的彙總指標，可觀測性則保留足夠細緻、可查詢的細節，讓你能回答當初建儀表板時未曾預期的問題。

無法迴避的張力是資料量與成本。在規模上記錄每個請求的每個特徵既昂貴又可能夾帶敏感資料，因此團隊會聰明地抽樣、保留嵌入或摘要而非原始酬載，並施加隱私控制。回報是可除錯性：一個你無法盤問的模型，你只能重開機然後禱告；一個可觀測的模型，則能把一次故障變成一次診斷。