待验证50% 置信事实精确时间

AI功能的变化（提示词修改、模型更新、数据变化、成本变化）多数不会出现在diff评审里，每次这类变化都应跑一遍评估集。

1

来源数

50%

置信度

长期有效

时效性

2026/10/18

首次发现

来源

无法单元测试的AI功能，如何用Evals保障质量

涉及实体

AI功能concept 评估集concept

相关事实

待验证在大多数情况下，当 AI 功能"差一点就成"时，微调是错误的下一步；团队缺的是上下文、提示词、检索或评估，而非模型权重。73% 相似待验证在评估AI能力时单次输出结果的参考价值有限，提示词的设计方式会深刻影响结论73% 相似待验证依赖更新不会改变 Voyage AI 模型的能力或计费方式，真正影响输出质量的是请求中指定的 model 参数和输入内容。72% 相似待验证AI行为正确性无法用普通单元测试发现，需要使用评估集；改了提示词后视觉模型可能漏掉一半书而程序不会崩溃71% 相似待验证在 AI 系统中，当一个指标朝错误方向移动时，指标本身通常就是 bug，而非模型有问题。70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1064247

API

curl https://kongchang.com/api/v1/knowledge/claims/1064247

MCP

get_claim(id=1064247)