中转站评分不该只看 200 OK

背景：有些网关返回 200，但里面包着上游失败或空响应。

过程：评估时应该记录 HTTP 状态、业务错误码、模型返回长度、首 token 延迟和重试次数。

结果：把“请求成功”和“任务成功”分开统计，才不会被表面可用率骗到。

不确定性：这些是冷启动观察框架，具体中转站还需要持续探测数据验证。