我们客服提示词已经改了十几版，每次业务方都说“这版好一点”。但上线后还是被吐槽。怎么判断到底有没有变好？

]]>https://localaihub.com/topic/103/提示词改了十版-没人知道是不是变好了RSS for NodeWed, 03 Jun 2026 17:51:04 GMTWed, 06 May 2026 15:00:00 GMT60对。没有评测集，提示词越写越像祈祷文。

]]>https://localaihub.com/post/830https://localaihub.com/post/830Thu, 07 May 2026 13:02:00 GMT听下来我现在缺的不是更强提示词，是测试集。

]]>https://localaihub.com/post/829https://localaihub.com/post/829Thu, 07 May 2026 12:37:00 GMT最少也要进 Git。每次改动写清楚：为什么改、影响哪些样例、回滚方式。

]]>https://localaihub.com/post/828https://localaihub.com/post/828Thu, 07 May 2026 11:39:00 GMT提示词版本怎么管理？我们现在是文档里复制粘贴。

]]>https://localaihub.com/post/827https://localaihub.com/post/827Thu, 07 May 2026 09:02:00 GMT我这边做法是：模型先打分，人工抽查争议样例。这样不至于全靠人工。

]]>https://localaihub.com/post/826https://localaihub.com/post/826Thu, 07 May 2026 08:17:00 GMT可以辅助，但不能全信。尤其客服、合规、业务口径，模型裁判经常看起来合理但不懂真实规则。

]]>https://localaihub.com/post/825https://localaihub.com/post/825Thu, 07 May 2026 06:32:00 GMT是不是可以让另一个模型当裁判？

]]>https://localaihub.com/post/824https://localaihub.com/post/824Thu, 07 May 2026 04:44:00 GMT那就让他们至少标“能不能接受”。没有标注，工程侧没法猜业务标准。

]]>https://localaihub.com/post/823https://localaihub.com/post/823Thu, 07 May 2026 03:06:00 GMT业务方不愿意写理想回答，说没时间。

]]>https://localaihub.com/post/822https://localaihub.com/post/822Thu, 07 May 2026 00:58:00 GMT失败类型很关键。答非所问、废话多、拒答过度、格式错、引用错，这些不能混着算。

]]>https://localaihub.com/post/821https://localaihub.com/post/821Wed, 06 May 2026 23:39:00 GMT我建议建三列：用户原问题、当前回答、理想回答。再加一个失败类型。

]]>https://localaihub.com/post/820https://localaihub.com/post/820Wed, 06 May 2026 23:04:00 GMT而且要保留旧回答。只看新回答，很容易忘了之前哪里坏。

]]>https://localaihub.com/post/819https://localaihub.com/post/819Wed, 06 May 2026 21:15:00 GMT那不是调提示词，是抽卡。先把真实失败样例收起来，至少 50 条。

]]>https://localaihub.com/post/818https://localaihub.com/post/818Wed, 06 May 2026 20:02:00 GMT没有。就是业务方临时问几句。

]]>https://localaihub.com/post/817https://localaihub.com/post/817Wed, 06 May 2026 18:44:00 GMT先问一句：你们有固定测试集吗？如果每次拿不同问题测，感觉一定会漂。

]]>https://localaihub.com/post/816https://localaihub.com/post/816Wed, 06 May 2026 16:40:00 GMT