用真实任务、明确评分规则、盲测和版本记录建立能够长期复用的模型评测基线。

先明确目标

开始之前，先写清楚任务对象、输入条件、预期输出和不能接受的结果。目标越具体，后续选择工具与评价结果越稳定。

建立可执行流程

  1. 收集当前任务所需的可靠资料。
  2. 把任务拆成可以独立检查的小步骤。
  3. 为关键输出设置格式和质量边界。
  4. 保留日志、版本与复核记录。

验收与复盘

完成后检查事实、结构、遗漏和异常情况。对重复出现的问题记录原因与处理办法，让下一次执行可以直接复用。