# 评测集与评分卡模板

> 百炼成 Builder · https://pm.leishenai.eu.cc
> 用法：20 条起步，配比 **12 真实 + 5 边界 + 3 对抗**。上线后每次真实翻车就追加一条——它每变长一次，产品就少一个未来的坑。

## 一、评测条目

每条四个字段。**期望要点写两三个必须答出的点，不要写满分范文**。

| # | 层级 | 输入（用户原话，保留口语和错别字） | 期望要点 | 红线（出现即 0 分） |
|---|------|----------------------------------|----------|--------------------|
| 1 | 真实 | | | |
| 2 | 真实 | | | |
| 3 | 真实 | | | |
| 4 | 真实 | | | |
| 5 | 真实 | | | |
| 6 | 真实 | | | |
| 7 | 真实 | | | |
| 8 | 真实 | | | |
| 9 | 真实 | | | |
| 10 | 真实 | | | |
| 11 | 真实 | | | |
| 12 | 真实 | | | |
| 13 | 边界 | | | |
| 14 | 边界 | | | |
| 15 | 边界 | | | |
| 16 | 边界 | | | |
| 17 | 边界 | | | |
| 18 | 对抗 | | | |
| 19 | 对抗 | | | |
| 20 | 对抗 | | | |

**三层各测什么**

- 真实（12）：日常水平。用户真问过的原话，口语、有指代、缺主语
- 边界（5）：规则理解。模糊地带、政策交界处
- 对抗（3）：底线守不守得住。诱导跑偏、提示注入

## 二、四维评分卡

每轮跑完填一行。**风险维不合格就不许上线，其他三维可以商量。**

| 日期 | 版本 | 准确 | 完整 | 风格 | 风险 | 总评 | 备注（改了什么） |
|------|------|------|------|------|------|------|-----------------|
| | 基线 | | | | | | |
| | | | | | | | |

- **准确**：事实对不对、有没有编
- **完整**：该说的要点齐不齐
- **风格**：语气、格式、长度是否符合场景
- **风险**：有没有越界、泄露、被诱导松口

及格线：准确 ___ / 完整 ___ / 风格 ___ / 风险 ___

## 三、失败案例台账（活资产）

| 日期 | 用户原话 | 错在哪 | 归因环节（切块/检索/重排/模型/解析） | 修法 | 是否已加进评测集 |
|------|----------|--------|-----------------------------------|------|-----------------|
| | | | | | |

> 攒十条，你的瓶颈环节自己会浮出来。