AI版本更新后提示词为什么要回归测试

提示词在旧版本有效，不代表在新版本仍会得到相同质量。回归测试能将模糊感受转为可比较的观察。

选择代表性提示词

覆盖高频任务、高风险任务、边界输入和常见失败案例。样本不必很多，但应来自真实且已脱敏的工作场景。

提前定义评价维度

可评价事实正确性、格式遵循、完整性、拒答行为和耗时。对主观任务，使用明确评分说明并保留人工备注。

记录改变而非追求逐字相同

生成式结果天然存在差异，重点是任务是否仍达标。小型任务集的设计可参考AI基准任务设计。