李眉盯着 Grafana 面板："AI 调用量涨了三倍，Token 费用翻倍——我们必须监控 AI 成本了。"大翔补充："测试也不能落下，Mock ChatModel 是基本操作。"
可观测性、测试与最佳实践
本章定位
本章解决的核心问题：AI 应用上线后如何监控、如何测试、以及有哪些实战经验可以少走弯路。涵盖 Spring AI 内置的可观测性支持、测试策略和面试高频考点汇总。
学习路线图
文件关系说明
| 文件 | 一句话角色 |
|---|---|
可观测性与指标监控.md | 李眉关注的 Token 用量、延迟、错误率等生产级监控配置。 |
测试策略与Mock实践.md | 小崔写单元测试时 Mock ChatModel 和集成测试 VectorStore 的方法论。 |
最佳实践与面试考点汇总.md | 孔蓝总结的 API Key 安全、Token 优化、提示词注入防护等实战经验 + 面试 10 题。 |
与上一章的衔接
MCP 打开了跨语言工具集成的大门，可观测性确保这扇门后的每一次调用都可追踪、可度量、可优化。测试策略保证代码质量和回归安全。