待验证50% 置信决策规则精确时间

可通过开启技能vs关闭技能的对比Eval来衡量技能是否值得占用上下文窗口；若基线准确率已超90%，叠加技能可能收益甚微甚至误导模型

1

来源数

50%

置信度

长期有效

时效性

2026/9/16

首次发现

来源

Eval驱动开发：如何科学测试你的AI技能与Agent

涉及实体

上下文窗口concept Skillconcept

相关事实

待验证Skill分为能力型Skill和偏好型Skill，能力型随模型变强会被淘汰，偏好型更持久需要用评估保护防止性能倒退80% 相似待验证当技能描述过于详尽包含了完成任务所需的全部信息时，模型会跳过技能调用环节76% 相似待验证文章提出应按测试工作流设计 Skill，Skill 的价值不在数量而在于是否覆盖完整的工作流闭环76% 相似待验证Skill的质量高度依赖于首次创作的严谨程度，如果初始设定不够清晰，后续复用可能放大误差74% 相似待验证Skill的正确使用方式是渐进式优化：使用→发现问题→加规则→再测试，而非追求一次完美70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/925614

API

curl https://kongchang.com/api/v1/knowledge/claims/925614

MCP

get_claim(id=925614)