评测、版本与知识维护
评测、版本与知识维护
建议用时：25 分钟
学习目标
能够为工作流建立固定样例、评分规则、版本记录和定期复核机制。
本节产出
一套小型评测集与维护日历
核心知识
- 没有固定样例就无法判断模型、提示或工具升级究竟变好还是变坏。
- 易变内容按日期复核，结构性知识按失败事件触发更新。
动手练习
- 选择三个正常样例和两个边界样例。
- 为正确性、来源和格式定义通过阈值。
完成检查
- 评测可重复且有基线
- 版本变更能追溯原因和结果
参考与来源
- 本地知识库：《Harness Engineering》
- 本地知识库：《AI Capability Stack：七层能力架构》