当前AI新闻总在讨论检测生成文本、给模型输出加水印，但独立开发者真正痛的是：免费模型端点会悄悄改变路由、量化、上下文处理甚至指令遵循行为，却不更新任何变更日志。等你的JSON解析突然失败，或shell助手把文本回复当成命令执行时，你才意识到——模型不是变笨了，而是它的输出契约漂移了。

我们不讨论给文本加水印，也不需要重型可观测性栈。对个人项目，最划算的方案是：按计划运行一个极小的看门狗，每次都发送相同的两个提示词，然后对比归一化结果。一旦输出模式改变，它就能立刻告诉你。

这个看门狗刻意保持小：发送两个固定提示词；对每条响应执行trim().toLowerCase()归一化；用SHA-256摘要代替原始文本，让历史文件保持小巧；同时记录响应中一个关键JSON字段是否存活。当摘要或字段状态与上次不同，shell包装器会打印差异，并可触发通知。

它不算基准测试，不告诉你哪个模型更好，只专注一件事：你依赖的端点是否发生了变化，而这种变化是否值得你的应用在意。

接下来是构建探针脚本。创建一个Node.js + TypeScript项目：

mkdir drift-watchdog && cd drift-watchdog && npm init -y && npm install typescript axios ts-node --save-dev

然后写一个probe.ts文件，内置两个固定提示词（例如“返回JSON：当前时间”和“解释什么是契约”），调用MonkeyCode免费模型端点，归一化响应，计算SHA-256摘要，并将摘要和JSON键状态追加到历史文件。核心代码不超过20行。

最后用一个shell脚本cron跑起来。每次运行读取上一轮的结果，如果发现摘要或键状态变了，就用邮件或Server酱发送告警。整个过程无需付费服务器，一台常开的旧电脑或免费云主机即可。

注意：MonkeyCode的免费模型访问足以支撑这个监控任务。本文是MonkeyCode产品推广的一部分，但思路本身适用于任何有免费额度的模型API。

别再等解析器突然崩了才去排查。用两个提示词和一个小脚本，让模型的每一次沉默漂移都暴露在阳光下。