怎么判断

先写清楚用户要完成的任务，再记录成功标准、耗时、人工修正次数和失败边界。测评不以功能数量替代结果质量。

  • 同一输入与约束
  • 可复现的任务过程
  • 明确记录失败样本

观察重点

真正的效率来自它能否理解仓库约束、保持改动边界并给出可验证结果。速度很快但反复破坏既有约定，仍然是负收益。

  • 上下文建立成本
  • 修改范围是否可控
  • 测试证据是否完整

决策结论

结论应该回答谁适合用、在什么情况下不该用，以及试用前要确认的成本与数据边界。