自动选择先要定义什么叫“更好”
最低延迟、最高吞吐、较少丢包与较低成本可能指向不同线路。算法必须先决定优化目标，才能排序候选路径。
如果页面只显示“智能最优”，用户无法知道结果究竟更适合会议、下载还是普通浏览。
观测样本会留下盲区
调度结果来自过去或当前的测量。样本若集中在少数地区、设备与时段，遇到新的网络条件就可能失准。
平台应把未覆盖条件写清楚，并允许用户在实际任务不符时切换或反馈。
平均值会掩盖不稳定时刻
一条线路的平均延迟不高，仍可能出现短时抖动。实时会议对这种变化更敏感，大文件则更看重持续吞吐和恢复能力。
判断不应只看一个综合分，而要回到任务持续多久、失败能否续传和异常是否重复。
解释不等于公开模型源代码
面向用户的解释可以是选择依据、测量时间、适用场景和替代方案，不需要暴露安全配置。
真正重要的是让用户知道结果来自什么条件，以及哪些变化可能让推荐失效。
人工复核应该有明确入口
重大版本迁移、团队资料交接或关键会议前，不宜完全依赖一次自动推荐。
保留手动比较、历史记录和恢复到上一个可用选择的能力，能降低错误判断的成本。
责任最终落在可执行行动上
算法给出建议，平台负责说明边界，用户根据实际任务确认结果。三者职责不同，不能用“系统自动完成”模糊处理。
当推荐与现场结果冲突，应以可复查的任务结果为准，并把反馈带回后续调度。