清单逐条可核对
验收第一份材料是告警清单：指标、阈值、持续时间、级别、通知对象与处置手册链接，逐条可查。为什么按清单验：告警是配置型交付，没有清单就无法判断漏了哪类故障，也无法在人员变动后复原设计意图。
故障注入见真章
在测试环境或低峰窗口停掉一段依赖、切断模型调用、制造检索超时，记录告警到达时间、通知对象与升级路径是否符合约定。边界：演练窗口与影响范围需客户方批准，生产环境演练必须有人值守。
抑制与静默规则
怎么验：要检查抑制规则是否会把关键告警一起压掉。常见问题是维护窗口的静默没有到期时间，或按服务名抑制时把同名的核心服务也屏蔽了，结果演练时一切正常，真故障时没有任何通知。
值班表与复盘模板
确认值班表、升级链与复盘模板已移交，联系方式真实可用。怎么做：现场拨一次值班电话，确认能接通并知道该做什么；复盘模板要包含时间线、影响面、处置动作与后续改进项。
谁签认验收
告警验收的结论要有人负责，不能只留一份交给谁都不知道的截图包。做法：验收材料包括告警清单、注入记录、抑制规则说明与值班表，由客户方运维负责人在验收会上逐项确认并签认；我方交付材料与配置快照，不代签，也不替代客户方对生产变更的审批。注入未通过的场景先整改复测，再签认。
适用与不适用
适合谁
- 上线前需要监控验收的 AI 应用
- 承担值班职责的运维与开发与部门及其实施团队
- 需要向审计证明监控有效与部门及其实施团队
不适合谁
- 无对外服务、无用户感知的脚本或演示原型
典型场景
某保险集团的核保问答助手上线前做告警验收。团队在低峰窗口切断模型调用，记录一级告警的到达时间与电话通知对象；再停掉检索依赖，确认升级路径按约定触发。演练中发现一条静默规则未设到期时间，修正后复测通过。
可执行步骤
- 整理告警清单，逐条核对指标、阈值、级别与通知对象，完成后归档。
- 在获批窗口做故障注入，记录告警到达时间与升级路径，并留存记录。
- 检查抑制与静默规则，确认不会顺带压掉关键告警，并记录检查结论。
- 现场拨打值班电话，确认联系方式有效，且接听人清楚处置步骤与升级路径。
- 把演练记录、清单与复盘模板一并归档作为验收证据，由责任人确认。
常见坑
- 只检查告警配置存在，不做故障注入，真故障时才发现通知渠道早已失效，演练前几乎无法察觉。
- 静默规则没有到期时间，演练时安静，真故障时同样安静，问题被彻底掩盖，事后难以补救。
- 值班表还是半年前的版本，电话打不通，一级告警在夜里无人响应，事后追溯与定责都很困难。
自检与验收清单
- 告警清单是否逐条核对过通知对象，并有书面确认
- 是否做过故障注入并记录到达时间，并有验收记录
- 抑制与静默规则是否设置到期时间，可现场抽查
- 值班电话与升级链是否现场验证，并有可核查的记录
- 演练记录与复盘模板是否归档，并在验收时逐项核对
常见问题
验收必须动生产吗？
不必。通知链路与升级路径可以在测试环境验证，生产演练只在低峰窗口做一次即可。关键是记录要真实：时间、通知对象、响应人缺一不可，只写结论的演练记录在评审时没有说服力。
要验多少条告警？
按故障类型覆盖，而不是按条数。至少覆盖依赖中断、模型调用失败、时延劣化与业务结果异常四类；每类抽一到两条验证通知与升级，其余的核对清单即可，全部注入既不现实也没必要。
静默规则怎么管？
设到期时间并要求填写原因，到期自动失效；抑制范围按服务实例而不是服务名，避免同名核心服务被一起屏蔽。每次变更留记录，演练时专门验证静默是否按预期生效。