适配结论的工况绑定与可复现性判定

一次适配跑完，程序启动、模型出结果、没有报错，只说明这一次运行发生过，覆盖面仅限当次请求形态、上下文长度与软件栈版本。要让结论可复核、可复用，需把「它在什么条件下成立」写成字段。

「跑通」证明了什么

已证明：

这组软硬件组合、这批请求、这组采样参数下，程序给出过输出。
运行期间未触发报错分支。

未证明：

换请求形态仍成立：模板固定的 system prompt 加单轮短问题，与开放长文、多轮对话是不同负载。
长上下文仍成立：从 512 抬到 32K、128K 档，prefill 时长与 KV cache 占用都会变。
高并发仍成立：并发从 1 抬到 --max-num-seqs，显存预算与批处理构成都会变。
换软件栈版本仍成立：运行时版本、算子库、权重转换产物任一变化，结论都可能翻转。
全程功能正确：一次成功样例可能只绕开了尚未触发的分支。

工况维度与取值

「某模型在某平台上可用」丢掉了全部有用信息；同一模型、同一软件栈下，任一维度变化结论都可能翻转：

维度	取值区间或机制
请求形态	模板固定的 system prompt 加单轮短问题，与开放长文、多轮对话
上下文长度分布	512 / 2K / 32K / 128K 档及占比；512 与 128K 档的 prefill、KV cache 占用差一个量级以上
前缀复用程度	共享前缀 token 数占 prompt 的比例；模板固定时高，开放长文下趋近 0
输出长度分布	decode 步数区间，如 1–64 步短答、512–2K 步长生成
并发与批次构成	`--max-num-seqs` 并发上限、continuous batching 批构成；长短交错时同批填充开销不同
采样参数	`temperature` / `top_p` / `top_k` / `max_tokens`；`temperature` 高时难命中 Speculative Decoding
负载是否混合	纯短 / 纯长 / 长短交错；混合负载批内序列长度方差大，碎片形态不同

前缀复用的机制与命中条件

Prefix Caching 以块为单位复用：每个块由固定 block_size 个 token 的 id 序列算哈希，块级命中则整块 KV 复用。命中要求满块：参与复用的前缀长度须为 block_size 整数倍，末尾不满一块的部分不计入。block_size 决定粒度与元数据开销：取 16 命中更细、可复用尾段更长、元数据更多；取 32 元数据更省、颗粒更粗，尾部一段常被浪费。落入哈希的文本混进易变项会拉低命中率：时间戳、request id、随机化的 system prompt，或会话拼接顺序变化，都会让本应相同的块算出不同哈希。

一次运行被抬举成普遍结论的三个环节

单条样例代替负载：一个典型请求通过，就默认整套服务可用。
当时环境代替环境描述：没记运行时版本、算子库、权重转换产物，事后说不清结论来自哪个组合。
一次结果代替对照：没有开关两组、没有前后两组，只剩「开了之后更快」。

结论的字段化记录

结论落库时，把成立前提、适用工况、运行环境、证据、适用边界写成字段，运行环境写到整机规格粒度：

结论: <一句话裁决，含被优化的算子路径或开关>
成立前提:
  前缀复用: 共享前缀 token 占 prompt 比例 >= <阈值>
  请求模式: <模板固定 / 多轮对话 / 开放长文>
适用工况:
  上下文长度: <512 / 2K / 32K / 128K 档及占比>
  输出长度: <decode 步数区间>
  并发: --max-num-seqs=<值>, continuous batching 批构成
  采样: temperature=<值>, top_p=<值>, top_k=<值>, max_tokens=<值>
  负载混合: <纯短 / 纯长 / 长短交错>
运行环境:
  设备: **** 的 ****（8 卡，单卡 64GB HBM，卡间互联 392 GB/s）
  软件栈: **** v<版本>
  构建物: <权重转换产物 / 编译产物标识>
  精度: <FP16 / BF16 / W8A8 / INT8 / FP8>
证据:
  对照设置: <开关两组 / 前后两组>
  观测项: <TTFT / TPOT / 吞吐 / 显存占用>
  记录: <日志文件或指标路径>
适用边界:
  外推: 离开上述工况不外推
  已知失效条件: <列出>

外推的受控做法

工况边界写清后，外推有两种受控做法。在相近工况重复验证：把新工况关键维度（上下文档、并发、前缀复用比例）控制在与原结论相近范围内重测，得到同样裁决即可复用。声明新工况不在覆盖范围内：偏离较大时标注不在覆盖范围，单独记账。

小结

「跑通」是功能证据里最低的一层，可复现要求的是工况维度的明确覆盖。结论落库时把前提、工况、环境、证据、边界写成字段，他人才能判断自己的工况是否落在覆盖范围内。