用标注集灰度测试并回滚提示版本

目标

目标：在带标签样例上对比新旧prompt，发现回归后将生产调用钉回旧版本。

步骤

1. 保存一组固定support tickets及预期team/priority，定义分组准确率和关键误分类门槛。 [prompt]
2. 用agents.update(..., version=known_version, system=...)创建新不可变版本；为每个fixture通过sessions.create(agent={"type":"agent","id":...,"version":N})显式选版本。 [prompt]
3. 按同一标注集计算v1/v2各团队分数；只有指标达到门槛才改配置指向v2，回归时把版本号恢复为v1。 [prompt]

验证方式

留存评测集、版本号、逐项得分和promoted/rollback决策，重跑时结果可比较。

故障处理

不要使用最新裸agent ID隐式跟随版本；旧版本仍可用于回滚，但须在配置/访问层控制部署。