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

把答案拆成证据

将每个关键判断映射到原始来源，标记来源时间、主体和适用范围。无法回到原始材料的引用，只能作为线索。

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。