编排
可视化模型编排
拖拽式 DAG 编排训练与推理链路，节点级资源上限可在界面上直接锁定，避免单任务挤占整卡。
- 单链路节点建议 ≤ 24 个，超出后拆分子流程
- 为每个节点设 GPU 上限与超时阈值（默认 900s）
01 / 核心能力
四项能力，撑起一个负责任的 AI 平台
把「模型效果」与「资源责任」放进同一张看板。以下四项是人工智能平台开发中复用率最高、也最容易被忽视的底座能力，每一项都给出了可验证的量化口径。
能效
碳强度感知调度
按区域电网碳强度与电价双维度打分，把可延迟的批量推理排在低碳窗口执行。
- 批推理延迟容忍 ≥ 30min 时优先走低碳时段
- 目标：单位推理碳强度下降 25%–40%
体验
响应式交互体验
从 320px 到 2560px 的同一套单页设计骨架，图表与表格在窄屏自动转为卡片流。
- 断点：1024 / 640 / 380px 三档为主
- 点按区 ≥ 44×44px，长表格横向滚动
治理
AI 工具权限与审计
模型、数据、外部工具三类资产分级授权，所有调用写入不可篡改审计日志。
- 按最小权限原则，默认只给只读 + 单次调用
- 审计日志保留 ≥ 180 天，可按会话回溯
02 / 实用指导清单
上线一个可持续 AI 平台的 6 条硬性动作
以下清单按落地顺序排列，每条都给出做法、参数与避坑点。建议由平台负责人逐条打勾后再开放给业务方自助使用。
先定口径，再建看板
统一三件事：token 计量口径（含或不含系统提示）、能耗换算系数（每千 token 的 Wh 值）、统计窗口（建议 15 分钟粒度、按日聚合）。口径未统一就上大屏，后期必然出现「两个部门两套数字」。避坑：不要用模型厂商标称的峰值算力直接折算能耗。
把高频推理做缓存分层
建立两级缓存：精确命中（同 prompt 哈希，命中率通常 18%–32%）与语义近似（相似度阈值 0.94，命中率再增 8%–15%）。命中即跳过模型调用，是投入产出比最高的一步。避坑：语义缓存阈值低于 0.90 会带来明显答非所问。
可延迟任务走低碳窗口
把任务分为「实时（< 2s）」「准实时（< 30s）」「批量（可等 30min 以上）」三档。批量档接入电网碳强度 API，碳强度低于当日中位数 15% 时触发执行，实测可降 25%–40% 的碳强度。避坑：不要对实时档做延迟，用户体验损失不可逆。
限流与降级要写进默认配置
为每个 AI 工具设默认配额：单用户 60 次/分钟、单租户 3000 次/小时。超限时返回排队位置而非直接 429，并自动降级到小参数模型。避坑：只在网关限流而模型层不限，绕过网关的内部调用仍会打爆卡。
用真实设备做响应式验收
至少覆盖 320px、380px、640px、1024px、1600px 五档。重点检查：长英文模型名是否撑破卡片、图表 tooltip 是否越界、表格是否横向滚动而不压缩列宽。验收指标：任何视口下横向溢出宽度 = 0。避坑：只测桌面 Chrome 缩放，会漏掉 iOS 上 backdrop-filter 的性能问题。
把责任指标写进迭代节奏
每两周复盘一次：单位任务能耗、缓存命中率、超配额调用占比、人均有效调用数。任一指标连续两期恶化即回滚上次变更。避坑：只报总量不报单位值，规模增长会掩盖效率退化。
03 / 合作伙伴墙
与我们一起核算能耗的生态伙伴
平台能力不必自建全套。以下类型的伙伴已接入统一计量口径，可把它们的指标直接并入你的可持续看板。
算力服务商
电网碳数据
向量数据库
模型托管
安全审计
行业解决方案
04 / 关键数据条
从接入到可审计，四个阶段的量化目标
纵向时间轴按推进顺序排列。每个阶段给出可验收的指标，达标后再进入下一阶段，避免一次性铺开导致口径失控。
接入与埋点
打通模型调用日志，补齐 token、耗时、模型版本三个字段，做到每次调用可回放。
埋点覆盖率 ≥ 99%计量与基线
建立单位任务能耗基线，按业务线拆分，形成可持续对比的月度曲线。
基线误差 ≤ 8%优化与调度
上线缓存分层与低碳窗口调度，逐步替换高耗低效的调用路径。
单位能耗下降 25%+审计与公开
把可持续指标写入内部周报与对外说明，接受业务方与合规团队质询。
审计可回溯 ≥ 180 天05 / 数据可视化面板
能效与体验，放在同一块面板上读
左侧为可持续指标，右侧为交互体验指标。两组数据同屏对照，才能判断优化是否以牺牲体验为代价。
读数说明：缓存命中率与低碳占比越高越好，目标线分别为 30% 与 60%；单位推理能耗以基线为 100%，下降至 60% 以下视为达标。面板每 15 分钟刷新一次，数据延迟不超过 90 秒。若某指标连续两期恶化，先回滚最近一次调度策略变更，再排查缓存阈值与配额配置。
64%缓存命中率（目标 ≥ 30%）
1.7s图表交互响应上限
0px各断点横向溢出
180d审计日志可回溯
06 / 常见问题
关于可持续 AI 平台，团队最常问的五个问题
问题来自真实接入团队，回答尽量给出可直接执行的判断标准，而不是原则性表态。
单页应用承载这么重的图表，会不会拖慢交互体验？
把首屏拆成「骨架 + 懒加载图表」两段：骨架先渲染排版与文案，图表进入视口后再加载。经验值是把主包控制在 180KB 以内，图表库按需引入，首屏可交互时间可稳定在 2.5s 以内，交互帧率维持 60fps。若仍有卡顿，优先减少同屏动画元素数量，而不是砍数据。
深色系配色在数据可视化里如何保证可读性？
深色底上不要用纯高饱和色大面积铺图。建议主体数据用低饱和主色，只把关键的当前值、阈值线、异常点用强调色点亮，面积控制在图面 10% 以内。文字对比度至少达到 4.5:1，网格线用 1px 低对比细线，避免视觉噪声盖过数据本身。
「低碳窗口」调度会不会影响业务方的使用意愿？
关键是把选择权交出去。默认只对可延迟 30min 以上的批量任务做低碳调度，实时任务不受影响；同时在界面上显示「本次任务预计延后 8 分钟，可减少约 0.12kWh」，让用户看到代价与收益。实测在透明说明的前提下，业务方接受度可达八成以上。
如何避免可持续指标变成「纸面数字」？
三条防线：指标必须来自系统日志自动汇总而非人工填报；单位值（每次调用、每千 token）与总量同时展示；审计日志保留 180 天以上，可随机抽样回溯。任何一条缺失，指标就失去了被质询的能力。
响应式设计上最容易忽略哪一档？
380px 以下的超小屏。很多页面在 375px 尚可，到 320px 就出现横向溢出。务必为超小屏单独收紧内边距、把多列网格降为单列、长英文模型名强制断行，并检查所有点按区是否仍有 44×44px。
带上你的调用日志，我们一起算一遍
提供近 30 天的模型调用记录（脱敏后即可），我们会给出单位能耗基线、缓存优化空间与低碳调度收益的初步评估，并标注哪些指标需要先补埋点。
07 / 客户评价
他们如何把责任写进日常迭代
来自平台负责人、算法工程与合规岗位的真实反馈，重点在做法而非赞美。
「最有用的是单位能耗口径统一。以前每个团队各说各的，现在同一张面板上对话，优化讨论终于有了共同语言。」
「缓存分层上线两周，命中率爬到 61%，推理成本直接降下来。我们没动模型，只是把重复的问题挡在了门外。」
「审计日志可回溯这一点帮了大忙。合规评审时能按会话还原每一次调用，解释成本大幅下降。」