大模型应用开发的效果评估方法评估大模型应用前先选定任务样本和判定规则。把事实性、格式合规和拒答行为分开记录不能用少数顺利示例概括整体效果。固定比较条件同一批样本使用固定提示词、模型版本和检索配置。人工复核时保留分歧原因方便调整规则而非只修改分数。检查上线影响除质量外记录响应时延、失败类型和成本来源。新版本先在隔离流量运行再决定是否扩大范围。