---
title: "影子模式（Shadow Mode）"
slug: shadow-mode
language: zh-TW
source: https://aiterms.tw/terms/shadow-mode
updated_at: 2026-07-04
tags: [模型部署, MLOps, AI應用, source:ipas]
ipas_term: true
---

# 影子模式（Shadow Mode）

影子模式是指將新模型部署於生產環境，接收真實流量並進行預測，但預測結果不影響實際業務決策的評估策略。

## 完整說明

影子模式是一種模型部署與評估策略，用於在不影響真實用戶體驗的前提下，驗證新模型的實際表現。新模型會與現有系統並行運作，接收真實生產環境的即時資料並輸出預測結果，但這些結果僅用於記錄和分析。常見應用包括自駕車系統測試、推薦系統演算法升級與金融風險控管模型的迭代。

## iPAS 考試出題分析

屬於未分類考範圍。

## 常見問題

### 什麼時候應該選擇影子模式而非直接進行 A/B 測試？

影子模式適合用於高風險、高錯誤成本或是新舊模型架構差異極大的情境。當你對新模型的線上穩定性與邊界案例處理能力缺乏信心，或是模型錯誤預測可能導致財務損失、客訴與安全性問題時，應該優先採用影子模式。由於它能做到完全的風險隔離，團隊可以利用全量流量進行壓力測試與效能驗證。只有在影子模式下確認新模型的離線指標如準確率、召回率與推論延遲皆符合預期，且系統資源消耗在合理範圍內後，才適合將其推進至 A/B 測試階段，以收集真實使用者的互動回饋。

### 實作影子模式時，如何處理新模型呼叫外部 API 的副作用？

在設計影子模式架構時，防止新模型對外部系統造成實質變更是系統設計的關鍵。如果新模型的推論邏輯中包含對外部 API 的呼叫或資料庫寫入操作，必須在架構層面上進行攔截。工程實務上通常採用依賴注入與介面抽像的方式，為處於影子模式的模型提供一套專屬的模擬環境或是虛擬服務。這些虛擬服務會回傳預先配置好的靜態回應，或是讀取唯讀備份資料庫，確保任何狀態變更的請求都會被丟棄或記錄而不實際執行。透過嚴格的網路出口策略配置，可以防止影子模型意外觸發簡訊發送或交易扣款等不可逆行為。

### 影子模式是否會對生產環境的效能造成負面影響？

如果不進行妥善的架構規劃，影子模式確實可能拖慢生產環境。複製流量與平行推論會顯著增加系統整體的運算與網路負擔。為了避免干擾主流程，流量複製必須設計為非同步操作，主線程不應該等待影子模型的回應。此外，強烈建議將影子模型部署在實體隔離的運算叢集中，避免它與負責處理真實請求的主模型競爭 CPU、記憶體或網路頻寬。同時，必須在系統層級實作斷路器與流量控制機制，當生產環境遭遇流量尖峰或硬體負載過高時，應主動丟棄送往影子模型的請求，確保主動路徑的服務等級協定不受影響。

---

來源：https://aiterms.tw/terms/shadow-mode
快查頁：https://aiterms.tw/terms/shadow-mode
最後更新：2026/07/04
深度解說：https://aiterms.tw/learning/what-is-shadow-mode