VISUAL EXAMPLE
先看懂它怎么工作
定义样例与指标
运行模型
对照事实和规则
记录失败并改进
MECHANISM
运行机制
- 定义样例与指标
- 运行模型
- 对照事实和规则
- 记录失败并改进
USE WHEN
适合这样用
验证准确性、稳定性、安全和任务完成度
NOT FOR
不要这样理解
不要只凭一次主观感觉判断模型可靠
TELL YOUR AGENT
可直接发给 Agent
请按“幻觉与评估”的概念处理这个需求：不要编造接口，给出处并用测试验证。先说明实现边界，再给出可检查的结果。ACCEPTANCE
怎么确认它真的做好了
有覆盖真实失败模式的测试集、基线和人工复核记录
OFFICIAL SOURCES