# AI 评测方案

## 1. 项目概述
- 项目/版本：
- 业务负责人：
- 测试负责人：
- 评测日期：

## 2. 业务目标与风险
- 用户任务：
- 成功标准：
- 失败代价：
- P0/P1/P2 风险：

## 3. 评测范围
- [ ] 底座模型能力
- [ ] RAG 检索与生成
- [ ] Agent 任务与轨迹
- [ ] Prompt 版本回归
- [ ] 线上观测
- [ ] 红队安全

## 4. 指标与判定
| 指标 | 定义 | 输入 | 计算方式 | 门禁阈值 | 复核规则 |
| --- | --- | --- | --- | --- | --- |
| 核心任务成功率 |  |  |  |  |  |

## 5. 数据集与版本
- Golden 集版本：
- 样本量：
- 边界/对抗样本：
- 脱敏与授权：

## 6. 执行流程
准备数据 → 批量推理 → 打分 → 对比基线 → 根因分析 → 发布决策。

## 7. 输出与回滚
- 报告地址：
- 阻断条件：
- 回滚方案：
- Badcase 回流负责人：

## 8. 结论
- 通过项：
- 风险项：
- 待人工复核：
- 上线建议：