必须停写、备份、离线盘点与迁移、校验并重建 Snapshot 后再切流。R2DBC 与 core sharding 已删除。
强化学习的一个结论：平稳温和的迭代，经常比单次激进优化得到更好的最终结果。train/value_loss 价值网络损失（Critic 网络专属损失）。
数据显示，今年暑期入境游top20全球客源国和地区中，欧洲国家占30%，订单同比增长275%。
第一，Token 成本的不可预测性。LLM 的计费基于 Token 数量，而用户输入的长度和模型的输出长度在请求前无法精确预估。