llama.cpp 部署前检查模型、线程和上下文配置要成套保存llama.cpp 的同一个模型文件在不同后端、线程数和上下文设置下会表现不同。部署时只记录模型名称之后很难复现延迟或内存问题。保存完整运行契约记录模型文件校验值、量化格式、上下文长度、批处理参数、线程与设备后端。启动时检查模型元数据和可用内存无法满足预算时明确失败不自动把请求推到不可控配置。线程数按 CPU 配额和物理核心测试GPU offload 层数根据实际显存测量上下文变长会影响 KV Cache不能从另一个模型的参数照搬。服务层还要限制输入长度、并发和队列。验收两条路径固定提示集比较输出结构、首 Token 延迟、生成速率和资源峰值再测试超长输入、取消与后端不可用。版本回退要同时恢复模型和运行参数。只有配置与结果绑定调优记录才有复用价值。