用途：在生产环境对比模型版本，通过流量分割与统计分析执行受控实验，在全面上线前验证新模型改进。
主要能力：设计实验（样本量与成功率等统计参数）、实现流量分割路由、可选影子部署（并行运行挑战者模型而不影响用户）、收集与分析指标（p 值、置信区间与决策）、监控护栏指标（延迟、错误率阈值）、基于结果做出上线决策。适用于部署新模型版本前的验证、比较不同算法或特征的候选模型、测试超参数变更对业务指标影响、在不冒全量流量风险下测量生产性能、法规要求的渐进式上线、评估模型大小的成本性能权衡。
必要输入：当前生产冠军模型、待测挑战者模型、流量分配百分比、成功指标（业务与 ML）、最小样本量或测试时长；可选护栏指标与用户分层。
使用方式：按六步执行——设计实验、实现流量分割、可选影子部署、收集并分析指标、监控护栏指标、做出上线决策。常用配置与模板见 EXAMPLES.md，示例涉及 ab_test/experiment_config.py、traffic_router.py、shadow_deployment.py、analysis.py、guardrails.py、rollout_decision.py 等文件。
验证要点：流量分割与配置一致（误差 1% 内）、同一用户始终分配到同一变体、样本量合理、统计检验结果可手工复核、护栏违规 5 分钟内告警、影子部署预测差异低于 5%、报告含置信区间、决策记录理由。
限制与常见陷阱：样本比例不匹配、提前窥视结果、新奇效应、遗留效应、多重检验、统计功效不足、忽略细分群体、归因错误。相关技能：deploy-ml-model-serving、monitor-model-drift。具体实现代码、完整配置与模板见原文 EXAMPLES.md，资料未提供更细的依赖与运行环境说明。