AI评测集（Eval）

AI知见编辑部 · 使用进阶 · 持续更新

一句话说清

攒一组"标准考题+期望答案"，用来检验AI改动后有没有变笨。

工业界管这叫Evals：每次改模型、改提示词、改知识库，都用同一组题回归测试。没有evals的AI应用开发等于闭眼开车——用户反馈是滞后的，等投诉来了已经晚了。

个人实践版极其简单：建个表格，左边列20个你最常问的真实问题，右边存"好答案长什么样"。每次换工具或改提示词，抽5道题快速对比。十分钟的事，但能让你对AI的判断从"感觉"变成"数据"。

你调了提示词感觉效果变好了？没有评测集那只是错觉。攒20道典型题，改完跑一遍对比，才叫心里有数。