🧠 图解记忆：先对齐线上输入、运行链路和业务目标，再解释评测跷跷板；点击图片可查看原图。
> "跷跷板效应"的系统化处理见 [20 · RAG 高级优化 Q27](/topics/20-rag-advanced-optimization/)，本节给排查清单。排查顺序：
- 先怀疑评测集偏差： 离线问题分布和线上真实流量不一致（太简单/太偏）；
- 再看指标错位： 离线测的是忠实度，线上用户关心的是速度/成本/能不能过审；
- 排查环境差异： 线上检索库更新了吗？上下文长度截断了吗？prompt 版本一致吗？
结论： 离线评测只能筛出"明显变差"，筛不出"线上细节"——所以必须灰度。
📚 参考：RAGAS（离线/线上指标体系）