THE OPPORTUNITY
部署工具知道怎麼 rollout，卻不知道這次變更為什麼危險。
傳統 pipeline 通常只看 job 成敗；但 database migration、跨服務 dependency、歷史事故與 business invariant，才真正決定 change risk。
ReleasePilot 把 change intelligence 放在 rollout 之前，把即時證據放進 rollout 途中，最後由 deterministic policy 決定能否前進；人類 owner 隨時可以 pause 或 abort，但不能臨時繞過 hard deny。
SYSTEM BLUEPRINT
從 change intelligence 到可解釋 rollout 的六段控制面
解析 diff、migration、flag 與 deployment manifest
建立服務依賴、owner、SLO 與歷史事故脈絡
產生 canary steps、觀察窗與 rollback 條件
讀取 metrics、logs、traces 與 business signals
版本化門檻與 policy 做 go、hold 或 abort；缺訊號預設 hold
保存 evidence pack、決策理由與 rollout timeline
DESIGN PRINCIPLES
把 AI 放在風險理解層，把 deployment authority 留給 policy。
每個 diff 都有系統脈絡
風險不只來自行數，而是 dependency、資料變更、blast radius 與過去相似事故。
用 SLO 證明 rollout 可以前進
空值、延遲或矛盾訊號都視為 inconclusive，不由模型補成樂觀結論。
模型不擁有 production gate
Go、hold、abort 與 rollback 由版本化 policy 決定；人可 pause 或 abort，若要跨過 hard deny 必須走 policy 變更與審查。
部署結果必須能回放
保留輸入訊號、policy 版本、分析視窗與操作時間線，讓決策可以被檢查。
VALIDATION PLAN
不是量部署次數，而是量安全完成 rollout 的能力。
Change failure rate 與 escaped regression
Time to stable full rollout
False abort 與 unnecessary rollback rate
Burn-rate gate 的 precision 與 recall
這些是開發與試點階段的驗收指標；正式案例只會在可重現測試與實際使用資料 支持後更新。
WHAT I WILL BUILD
我會把 delivery data、risk model 與 rollout control 組成一個可測試系統。
- Git / manifest change intelligence 與 dependency graph
- Argo Rollouts、Prometheus 與 OpenTelemetry 整合
- versioned rollout policy 與 manual pause / abort control
- 歷史部署、事故相似度與 evidence pack
- shadow mode、canary pilot 與 rollout regression suite
RUNTIME RELIABILITY