信号一：生产日志与接管
真实运行会留下调用记录、失败重试与人工接管痕迹。怎么验：要求查看最近一个月的日志与接管工单，能看到谁在什么条件下接手、处理结果如何。只有演示账号与截图、没有日志的系统，基本仍停留在试点阶段，不能算采用。
信号二：评测集与迭代
有评测集的团队会定期跑同一批题，比较版本差异并记录改动原因。为什么重要：模型与提示词会漂移，没有基线就无法判断变好还是变坏。边界是评测集要覆盖真实长尾，全是标准问法会高估效果，也会掩盖真实的接管需求。
信号三：预算与责任人
预算里是否有独立的 AI 相关科目、是否有明确的业务负责人与运维安排，决定项目能否持续。怎么看：查年度预算表与岗位说明；只靠某个部门临时费用支撑的项目，通常在换负责人或预算收紧后停摆，技术再好也无法延续。
组合使用：三个一起看
三个信号同时具备，才可判断为进入生产；缺日志说明没有真跑，缺评测说明不可维护，缺预算说明不可持续。怎么做：先看日志，再看评测与预算，顺序不要颠倒。用法是把它当作尽调清单，用于评估合作方或自家项目，而不是打分排名。
适用与不适用
适合谁
- 做技术尽调、供应商准入评估与采购比价的团队
- 需要向董事会证明项目真实进展的负责人
- 准备续约或扩量的采购与业务部门
不适合谁
- 只需要概念介绍、不做验证的读者
- 尚无任何在跑项目、谈不上验证的团队
典型场景
某集团在收购前做技术尽调，对标的公司宣称的 AI 能力逐项验证：调取三个月调用日志、查看评测记录与版本说明、核对预算科目与负责人。三项中有两项缺失，最终把估值假设里的效率提升部分整体下调，并要求补充证据后再谈。
可执行步骤
- 列出待验证的系统清单，抄下对方对外宣称的能力描述与对应时间点，并标注证据来源
- 调取近一个月的调用日志、失败重试记录与人工接管工单，抽样核对处理结果
- 查看评测集覆盖范围、最近三次版本改动记录与每次调整的结论依据，核对是否有基线
- 核对预算科目、运维排班与负责人岗位说明，判断项目能否持续运行，并记录缺口
- 把三项结论写成书面判断，标注缺失项及其对整体结论的影响程度，交决策方确认
常见坑
- 只看演示视频与截图就下结论，未验证生产日志，后期发现系统只在测试环境运行过，责任难以界定。
- 把模型上线当终点，没有评测与迭代计划，三个月后回答质量下滑也无人察觉，只能推倒重做，浪费前期投入。
- 预算挂在一次性项目费用里，没有运维科目与排班，换负责人后项目停摆，前期投入变成沉没成本。
- 把三个信号当打分表逐项凑分，忽略证据质量与时间范围，材料看似齐备，实际经不起一次追问，结论容易失真。
自检与验收清单
- 是否能提供近一个月的调用日志与接管工单样本
- 评测集是否覆盖真实长尾问法，并有明确的基线版本
- 是否有独立预算科目、运维排班与明确的业务负责人
- 缺失项是否写明影响判断、补救计划与完成时间
- 结论是否区分已核实、待核实与无法核实三类，并注明取证时间
常见问题
没有日志就一定是假的吗？
不一定，可能是日志未开启或留存周期过短。应要求补开日志并观察一段时间，或用接管工单与业务系统记录交叉验证；仅凭口头说明与演示环境不足以采信，也不该据此签约或调整估值。
小项目也要建评测集吗？
要，最小可用版本是二三十条真实问题加预期要点，随业务积累扩充。没有评测集就只能凭感觉判断好坏，扩场景时风险成倍放大，也无法向客户解释效果变化的来源与原因。
三个信号哪个最重要？
预算与责任人决定能否持续，日志决定是否真跑，评测决定能否维护，三者作用不同。若只能先补一项，优先补日志与接管记录，它同时服务合规审计、运营复盘与对客户的说明。