新版本上线后总体成功率变化不大，但某个重要客户群的任务失败明显增加。你会如何判断是否回滚，并处理后续发布？

回答思路

1. 先按客户群、任务类型、模型版本、工具链和发布时间切分指标，确认变化是否与版本相关，并保护现场证据而不是立刻覆盖配置。
2. 将失败样本与业务后果对应，关键客户群即使流量占比小，也要依据合同承诺、任务风险和人工替代能力决定严重等级。
3. 若命中预先约定的关键错误、客户 SLA 或人工接管阈值，应立即停止扩量并回滚该群体，不能等待总体平均指标继续恶化。
4. 对不受影响用户可维持旧稳定版本或受控流量，但必须避免跨版本缓存、会话状态和索引差异造成新的不可解释行为。
5. 向客户说明影响范围、临时路径和恢复判断，联合业务负责人验证回滚后任务成功、尾部时延与人工负担确实恢复到基线。
6. 根因修复后补充该分群的回归集和发布门槛，再通过影子流量与小比例灰度重发；无法稳定复现时继续保留回退版本。