向量检索原型落地：怎样同时看召回和延迟

原型要走向可用，先固定评测样本、召回口径和延迟边界。示例数据只能说明方法，不能替代实际验证。

先界定问题

向量检索召回率优化与性能 Benchmark 是否合适，取决于任务约束。先写清目标任务、可能失败的输入或依赖，以及通过条件，别把演示中的顺利路径当成生产能力。

处理与验证

用可复现的样本判断效果。固定数据集版本、标注规则和检索参数，再分别记录召回、延迟、失败样本和资源使用情况。

准备覆盖正常请求、空结果、格式错误和依赖超时的样本。每次只调整一个变量，保存配置、样本版本和原始结果；先复现，再判断问题来自数据、配置、实现还是外部依赖。

对比结果应说明环境、并发方式、数据规模、预热和统计口径；缺少这些条件，就不要发布 P95、吞吐或“提升”结论。还要检查异常输入、重试是否放大负载，以及开关和旧路径能否回退。