检验质量、比较方案

1. FM-04

   改动提示词之前，先建一套小规模评测集

   最终产出 一份纳入版本管理的用例文件、当前提示词的基线得分，以及每次改动的逐例对比。

   评估 · 工程

   难度

   熟练

   耗时

   1 小时 45 分钟

   适用环境

   • API模型 API 与脚本，完全支持
   • 智能体仓库中的编码智能体，完全支持
   • 表格电子表格，部分支持
   • 对话对话助手，部分支持

   记录状态

   已复核 · v1.1

2. FM-05

   在自己的任务上盲测两个模型或两个提示词

   最终产出 按标准统计的胜、负、平计数，以及在开始之前就写下平局规则的最终决定。

   评估 · 研究

   难度

   熟练

   耗时

   1 小时 10 分钟

   适用环境

   • API模型 API 与脚本，完全支持
   • 表格电子表格，完全支持
   • 对话对话助手，部分支持

   记录状态

   已复核 · v1.0

其他任务

• 理解
• 抽取
• 写作
• 开发
• 评估
• 防护