詳細解釋
AI 系統在生產環境中持續穩定運行、正確響應的能力，涉及可用性、一致性、容錯性、可預測性等多維度。
關鍵指標：
- 可用性（Uptime）：99.9%（三個 9）、99.99%（四個 9）
- 錯誤率：請求失敗比例、異常輸出比例
- 延遲一致性：P99、P999 延遲（最慢 1%、0.1% 請求）
- 輸出一致性：相同輸入產生穩定輸出（溫度=0 時）
工程實踐：
- 冗餘部署：多實例、多區域、多模型供應商
- 降級策略：主模型失敗時用輕量備份模型
- 熔斷機制：錯誤率超閾值時暫停服務
- 超時控制：防止請求卡住
- 重試邏輯：指數退避，避免雪崩
AI 特有的可靠性挑戰：
- 模型漂移：性能隨時間退化
- 對抗輸入：惡意輸入導致錯誤
- 幻覺：輸出看似合理但錯誤
- 邊緣情況：未見過的輸入類型
- 資源消耗：長輸入導致 OOM
測試方法：
- 混沌工程：故意製造故障測試恢復
- 負載測試：高併發下的穩定性
- 長跑測試：持續運行數天觀察內存洩漏
- 對抗測試：異常輸入的處理
與安全性的區別：
- 可靠性：系統不崩潰、正確運行
- 安全性：不被攻擊、數據不洩露
這是「AI 產品化」的基礎—— 實驗室模型與生產系統的差距。