众元AI学习空间

W04_周验收与评分表

7分钟阅读

W04 周验收与评分表

状态先行

项目状态证据
Asset StatusQA Passed / Needs Fix课件、链接、代码和教师验证
Learning Gate（课堂学习验收要求）Pending / Passed / FailedW04-L-01/L-02、Replay/Fixture、解释与独立变式
Portfolio Gate（作品集验收要求）Pending / Passed / Failed学生本人真实模型 + 真实本地 Commerce API
发布状态Pending / ReadyProvider/网络/API G0、容量和学生现场验证

Learning Passed 不自动升级 Portfolio Passed，资产完成也不自动升级 Release Ready。

W04-L-01｜严格意图与偏好对象

  • 覆盖商品咨询、商品辅助、订单、人工和缺失槽位；
  • 未知枚举、额外字段、错类型、猜测 ID 被拒绝或在上限内修复；
  • 学生能解释 JSON 语法、Schema、业务规则和事实依据四层；
  • Replay 原始输出、校验错误、修复轨迹和回归均可复验。

W04-L-02｜确定性筛选与只读工具

  • 硬筛选、稳定排序和最多 3 个候选符合合同；
  • 未知工具、写请求、额外参数、上下文不一致在 Handler 前阻断；
  • TrustedCustomerContext 由 Host 注入，学生明确它不是真实鉴权；
  • 调用前后业务状态一致，副作用计数为 0；
  • Replay/Fixture 两轮协议和工具 trace 可复验。

W04-P-01｜本人真实结构化调用

最低证据：本人脱敏 request_id、Provider/Model、usage、latency、成本估算、真实结构化输出、本地 Schema 结果、错误/重试记录。未完成即 Pending。

W04-P-02｜真实模型与真实本地 Commerce API

主旅程最低证据：用户从商城商品页打开客服入口，本人真实模型提取需求，本地程序按 is_active + category + budget_max_yuan 筛选，学生本地 Commerce API 返回商品事实，模型只解释候选商品与需求的匹配理由。必须保留脱敏模型 trace、本地 HTTP 请求/响应、候选事实核对和本人现场解释。

订单读取是次要控制练习：若纳入验收，Host 只能通过 TrustedCustomerContext Fixture 注入 C1001，模型只提出 order_id，上下文不一致必须在 Handler 前阻断。该练习不代表真实登录或鉴权。教师账号、Replay、Fixture 或静态截图均不得替代 Portfolio Evidence。

D05 必做性能实战检查

  • performance_evidence.md 可定位到同一案例的基线/候选、模型与配置、计时范围、输入/输出/缓存 Token、费率来源和质量结果；
  • 有唯一修改与解释，有一例“更快但答错”的回滚记录；
  • 接受候选须有可比指标改善且固定质量评测不退化，失败候选不能删掉或包装成优化成功；
  • W05 可按交接找到基线、决策和未解决的问题；
  • Replay/Fixture 允许用于学习判断，但不替代本人真实效果证据。W04-P-01/P-02 的要求不变。

这项是周交付的必做检查，纳入原“评测/独立变式”评分维度，不追加分值，不新造 Portfolio Gate 编号，也不把纸面安排当作容量通过。

评分建议

维度分值不通过红线
Provider/证据边界15Key 泄露；Replay 冒充真实
Prompt 实验15输入/模型同时变化；只挑漂亮输出
Schema/repair20只做 json.loads；允许 extra；无限修复
筛选/只读安全25LLM 改候选或事实；写请求进入 Handler
评测/独立变式/最小优化15没有红灯、diff、失败案例或同案优化判断
解释/交接10宣称真实鉴权、推荐算法或转化效果

Learning Gate 必须同时满足 L-01/L-02，不以总分抵消安全红线。Portfolio Gate 另外判定，不与课堂分数混淆。

现场追问

  1. 为什么远端返回 200 仍不能证明业务答案正确？
  2. Prompt、Schema、控制器和 API 分别拒绝什么？
  3. 商品价格、上下架状态和候选顺序为什么不能由模型决定？
  4. 修改预算后候选为什么不能靠改 Prompt 得到？
  5. 为什么模型生成 customer_id 必须被拒绝？这与真实鉴权有什么区别？
  6. 这份 Evidence 中哪些只是 Replay，哪些是本人真实运行？
  7. Token 变少但 JSON 缺字段时怎么处理？缓存命中部分为什么不能直接不计费？

RISE 证据定位与追问

本节把RISE 四步对应到上文已有检查项，用于查找证据和现场追问；不新增分值、通过门槛或提交包，不以四步说明替代原测试、真实运行和个人验收。

步骤原验收中的位置现场核对
R · 需求定义商品咨询需求与 W04-L-01/L-02为谁解决什么问题？哪条输入、约束或条件决定通过？
I · 原理理解Prompt 实验、Schema/repair、工具边界解释关键机制；改一个条件，先预测结果并说明依据。
S · 协作构建结构化调用、筛选与只读工具打开本人代码/实验与修改记录，说明一次 AI 建议的采纳或拒绝。
E · 证据交付L-01/L-02、P-01/P-02 和 D05 性能实战打开原要求的正常、失败、独立变化或交接证据，并指出未验证项。

发现缺口时，记录对应原验收项、缺失证据与补验动作，再按原表判定。教师演示、团队成品、Replay 与学生本人真实执行分别登记；原有无 AI 独立编码要求继续执行。

反向链接