最近被問得最多的一個(gè)問題不是“某個(gè)模型能考多少分”而是“這個(gè) AI 到底能不能干活”。日常演示里GPT 類大模型寫文案、改代碼、整理表格樣樣都像模像樣可真把它丟到一條真實(shí)工作鏈路里前兩分鐘可能驚艷全場第三分鐘開始編造數(shù)據(jù)第五分鐘卡在同一個(gè)循環(huán)里出不來。傳統(tǒng) Benchmark 只能回答“它懂多少”回答不了“它能交付什么”。這也是“Benchmark 拆解系列”繼續(xù)往下做的原因。今天聊 GDPval-AA一個(gè)圍繞“AI 工作能力”設(shè)計(jì)的評(píng)估思路重點(diǎn)講清楚它到底量的是什么怎么打分以及實(shí)際復(fù)現(xiàn)時(shí)最容易踩的坑。1. GDPval-AA 到底在測什么1.1 工作能力不等于知識(shí)量而是交付穩(wěn)定性很多人把“AI 工作能力強(qiáng)”誤解成“問題回答得準(zhǔn)確”。這是兩套完全不同的評(píng)價(jià)體系?；卮痤愒u(píng)測看的是單次輸出的正確性而工作類評(píng)測看的是“鏈條”能不能完整走完接收任務(wù)、檢索信息、拆解約束、動(dòng)手產(chǎn)出、自查驗(yàn)證、提交交付任何一個(gè)環(huán)節(jié)斷掉前面表現(xiàn)再好也白搭。GDPval-AA 的全稱我習(xí)慣記為 General Domain Performance Validation for Agent Autonomy中文可以理解為“通用域工作表現(xiàn)驗(yàn)證基準(zhǔn)”。名字有點(diǎn)長核心卻很樸素在模擬崗位場景里讓大語言模型或 AI Agent 真的去執(zhí)行任務(wù)然后把最終交付物、執(zhí)行軌跡、合規(guī)性和資源消耗一起納入評(píng)分。之所以要專門做這種“工作類基準(zhǔn)”是因?yàn)楝F(xiàn)實(shí)中的崗位能力測試和學(xué)校考試完全不同?？荚囋试S你孤軍奮戰(zhàn)工作不允許考試只看答案工作還要看過程考試錯(cuò)了扣分工作錯(cuò)了可能直接產(chǎn)生連鎖風(fēng)險(xiǎn)。GDPval-AA 想解決的問題就是把這套“崗位邏輯”翻譯成機(jī)器可評(píng)判的規(guī)則。1.2 從“答題正確率”到“最終交付質(zhì)量”傳統(tǒng)基準(zhǔn)大多圍繞“答案”設(shè)計(jì)給一道題模型生成文本判分器比對(duì)結(jié)果。它的優(yōu)點(diǎn)是簡單可復(fù)現(xiàn)缺點(diǎn)是把工作壓縮成了“問答”。打個(gè)比方科目一考滿分的人未必會(huì)開車。會(huì)踩油門、會(huì)打方向盤跟能在早晚高峰安全到達(dá)目的地中間差著無數(shù)個(gè)交通場景、突發(fā)狀況和路線決策。AI 工作能力也是這個(gè)道理。GDPval-AA 的評(píng)估對(duì)象不是“一句話答案”而是“一份交付物”?？梢允强蛻艋貜?fù)郵件、一段功能代碼、一份數(shù)據(jù)分析報(bào)告也可以是跨部門協(xié)作流程中的一個(gè)中間產(chǎn)出。評(píng)估時(shí)系統(tǒng)會(huì)同時(shí)檢查交付物是否滿足驗(yàn)收標(biāo)準(zhǔn)執(zhí)行過程是否留下可審計(jì)的證據(jù)鏈?zhǔn)欠裼|發(fā)了風(fēng)險(xiǎn)動(dòng)作完成同一任務(wù)消耗了多少時(shí)間與令牌資源。這套思路把評(píng)價(jià)從“對(duì)不對(duì)”遷移到“能不能用、怎么用、代價(jià)多大”。對(duì)照下來最直觀對(duì)比維度傳統(tǒng)問答/代碼基準(zhǔn)GDPval-AA 工作基準(zhǔn)輸入單條題目多輪任務(wù)上下文輸出答案或補(bǔ)丁完整交付物加過程軌跡環(huán)境靜態(tài)文本沙箱、工具、限制條件成功判據(jù)與標(biāo)準(zhǔn)答案一致驗(yàn)收通過且合規(guī)且成本可控結(jié)果含義反映知識(shí)儲(chǔ)備反映崗位勝任度1.3 為什么需要這樣一把尺子當(dāng)前企業(yè)接入大模型普遍遇到一個(gè)尷尬模型跑分挺高上線后效果卻忽上忽下。因?yàn)榕芊址从车氖恰澳Ｐ湍芰ι舷蕖倍鎸?shí)工作看的是“綜合穩(wěn)定度”。上線一個(gè) AI 客服不能只看它能不能回答某一道刁鉆問題更要看它能不能在兩百輪對(duì)話里保持統(tǒng)一口徑、不泄露敏感信息、不讓用戶等太久。GDPval-AA 這類工作基準(zhǔn)本質(zhì)上是在給 AI 發(fā)“上崗證”。它適合三類人參考正在選型的業(yè)務(wù)負(fù)責(zé)人想量化自家 Agent 效果的 AI 工程師以及做大模型評(píng)測研究的測試開發(fā)。理解了它的評(píng)價(jià)邏輯你至少能在琳瑯滿目的榜單里多一層判斷能力。2. 設(shè)計(jì)思路與評(píng)分體系拆解2.1 任務(wù)樣本按崗位拆場景不按學(xué)科出題GDPval-AA 的第一步是把崗位職責(zé)轉(zhuǎn)成可執(zhí)行的任務(wù)序列。它不會(huì)直接出一個(gè)“請(qǐng)完成以下 Python 題目”式的任務(wù)而是描述一類工作場景。以客服崗為例一個(gè)典型任務(wù)可能是查看用戶關(guān)于訂單退款的歷史消息理解售后政策結(jié)合當(dāng)前庫存和物流信息給出一個(gè)明確退款或換貨的答復(fù)。模型需要讀取多輪上下文調(diào)用查詢工具推理出合理方案最后生成一封不卑不亢的郵件。以軟件研發(fā)崗為例給一個(gè)倉庫快照、一條 issue 描述、一份測試命令要求 Agent 修改代碼并通過測試同時(shí)不破壞已有功能。這樣設(shè)計(jì)的好處是貼近真實(shí)壞處是構(gòu)造成本高。所以設(shè)計(jì)任務(wù)樣本時(shí)通常會(huì)把崗位拆成三類小場景高頻重復(fù)型、復(fù)雜推轉(zhuǎn)型、故障恢復(fù)型。高頻重復(fù)型看穩(wěn)定性復(fù)雜推轉(zhuǎn)型看推理深度故障恢復(fù)型看抗壓能力。每個(gè)任務(wù)樣本都帶四個(gè)元信息輸入上下文、可用工具、期望交付物、驗(yàn)收標(biāo)準(zhǔn)。這四者缺一不可。沒有驗(yàn)收標(biāo)準(zhǔn)評(píng)分就沒有客觀依據(jù)沒有工具限制模型可能會(huì)偷懶走捷徑。2.2 關(guān)鍵設(shè)計(jì)證據(jù)鏈驅(qū)動(dòng)評(píng)分工作能力評(píng)估最怕的事情是模型“蒙對(duì)”或“作弊”。舉例來說讓 Agent 修復(fù)一個(gè) bug它可能沒有真正定位問題而是把所有斷言改成恒真值測試通過了問題卻沒解決。只看最終結(jié)果的基準(zhǔn)很容易被這種投機(jī)行為騙過去。GDPval-AA 引入了一個(gè)強(qiáng)制規(guī)則過程證據(jù)鏈。Agent 在執(zhí)行時(shí)每一步工具調(diào)用、觀察結(jié)果、推理摘要、中間產(chǎn)出都要記錄。評(píng)分時(shí)首先做的不是看答案而是看軌跡是否合理有沒有檢索到關(guān)鍵信息有沒有在修改前先復(fù)現(xiàn)問題有沒有在完成后自測。任何一步缺失對(duì)應(yīng)模塊直接零分。把證據(jù)鏈納入評(píng)分其實(shí)是在向模型傳遞一個(gè)信號(hào)工作不是交差而是可復(fù)查、可審計(jì)、可追溯的責(zé)任過程。這一點(diǎn)與工程團(tuán)隊(duì)管理新員工時(shí)的思路非常像。一個(gè)人代碼寫得再快如果從不說明思路、不留下文檔、不遵循流程負(fù)責(zé)人也不敢把核心模塊交給他。2.3 計(jì)分公式與權(quán)重怎么定為了讓“工作能力”可量化GDPval-AA 通常采用加權(quán)扣分模型。一個(gè)通用表達(dá)式是S 100 × [(α × C β × Q γ × R) ? δ × Risk]其中C 是完成度指驗(yàn)收標(biāo)準(zhǔn)被滿足的比例Q 是產(chǎn)出質(zhì)量由自動(dòng)檢查加人工復(fù)核得出R 是可靠性反映重復(fù)執(zhí)行同一任務(wù)時(shí)結(jié)果的一致性Risk 是風(fēng)險(xiǎn)扣分項(xiàng)包括越權(quán)操作、資源超限、生成危險(xiǎn)內(nèi)容等α、β、γ、δ 是權(quán)重系數(shù)隨崗位不同調(diào)整。舉一個(gè)客服崗的示例。某次執(zhí)行中完成度 0.9質(zhì)量 0.8可靠性 0.7風(fēng)險(xiǎn)扣分 0.1權(quán)重分別為 α0.35、β0.25、γ0.4、δ0.15。那么得分就是 100×(0.35×0.9 0.25×0.8 0.4×0.7 ? 0.15×0.1) 78 分。這部分看似平滑的 78 分背后其實(shí)包含三維度像素級(jí)記錄。默認(rèn)權(quán)重沒有絕對(duì)標(biāo)準(zhǔn)但經(jīng)驗(yàn)上不同崗位差異明顯崗位類型完成度權(quán)重 α質(zhì)量權(quán)重 β可靠性權(quán)重 γ風(fēng)險(xiǎn)系數(shù) δ客服運(yùn)營0.350.250.40.15軟件研發(fā)0.40.30.20.1數(shù)據(jù)分析0.30.30.250.15權(quán)重之所以重要是因?yàn)樗鼪Q定了“什么算好”。對(duì)客服崗穩(wěn)定比爆發(fā)重要對(duì)研發(fā)崗?fù)瓿啥葍?yōu)先于過程對(duì)數(shù)據(jù)分析崗合規(guī)和風(fēng)險(xiǎn)控制必須拉滿因?yàn)殄e(cuò)誤結(jié)論可能直接影響業(yè)務(wù)決策。2.4 結(jié)果如何映射到崗位等級(jí)評(píng)分結(jié)果不能只給一個(gè)數(shù)字需要落到實(shí)際能力分級(jí)。GDPval-AA 的常見做法是劃分三個(gè)等級(jí)等級(jí)分?jǐn)?shù)區(qū)間含義G3≥85 且無風(fēng)險(xiǎn)否決項(xiàng)可獨(dú)立承擔(dān)標(biāo)準(zhǔn)場景任務(wù)G26584可半自動(dòng)執(zhí)行需要人工復(fù)核關(guān)鍵節(jié)點(diǎn)G165只適合做演示或輔助不能脫離陪跑這個(gè)分級(jí)的意義在于讓業(yè)務(wù)方便做決策。G3 的任務(wù)可以放心交給 Agent 主跑G2 的任務(wù)需要人盯著G1 的任務(wù)則應(yīng)當(dāng)退回模型選型或提示詞優(yōu)化階段。分級(jí)不是給模型判死刑而是告訴你現(xiàn)在的能力邊界在哪里。3. 實(shí)操流程與核心環(huán)節(jié)實(shí)現(xiàn)3.1 跑一輪基準(zhǔn)之前要準(zhǔn)備什么GDPval-AA 不是一個(gè)可以直接下載運(yùn)行的軟件包而是一套評(píng)估方法論。要在自己團(tuán)隊(duì)里落地需要準(zhǔn)備四樣?xùn)|西任務(wù)樣本集、可控環(huán)境、可觀測接口、評(píng)分腳本。任務(wù)樣本集建議一開始只做 20 到 50 個(gè)與自身業(yè)務(wù)最相關(guān)的場景不要貪多。可控環(huán)境是指沙箱或仿真環(huán)境能限制 Agent 的工具權(quán)限同時(shí)記錄所有交互。可觀測接口是 Agent 在執(zhí)行時(shí)暴露輸出的端口至少包含三個(gè)字段動(dòng)作類型、輸入摘要、輸出引用。評(píng)分腳本則負(fù)責(zé)把軌跡和交付物轉(zhuǎn)換成結(jié)構(gòu)化結(jié)果。準(zhǔn)備工作里有一個(gè)容易被忽略的細(xì)節(jié)任務(wù)樣本要放進(jìn)獨(dú)立的評(píng)估倉庫和日常開發(fā)代碼分離。否則提示詞或工具配置一改評(píng)估結(jié)果就會(huì)受影響最后根本分不清是模型進(jìn)步了還是代碼環(huán)境變了。3.2 一個(gè)最小可復(fù)現(xiàn)的執(zhí)行流程執(zhí)行過程盡量保持簡單。這里我給出一個(gè)經(jīng)過多次驗(yàn)證的最小流程建立評(píng)估工作區(qū)導(dǎo)入任務(wù)列表與沙箱配置為 Agent 配置大模型 API、工具清單和權(quán)限邊界按任務(wù)樣本逐條執(zhí)行每次執(zhí)行限定最大輪數(shù)和最大令牌數(shù)保存原始軌跡包括每一次工具調(diào)用和模型回復(fù)運(yùn)行自動(dòng)驗(yàn)收腳本檢查交付物是否存在、格式是否正確、關(guān)鍵字段是否完整調(diào)用質(zhì)量評(píng)估模型或人工評(píng)審給產(chǎn)出質(zhì)量打分匯總軌跡證據(jù)計(jì)算完成度、可靠性、風(fēng)險(xiǎn)扣分重復(fù)執(zhí)行 3 到 5 次取中位數(shù)作為最終得分輸出帶證據(jù)鏈接的報(bào)告告一段落。這套流程看上去平淡但價(jià)值在于可追蹤。任何一步出了問題都可以從證據(jù)鏈里定位到具體原因。我的習(xí)慣是用一段偽代碼表示任務(wù)定義job: id: crm-refund-002 role: customer-support scenario: refund-request max_rounds: 15 max_tokens: 4000 inputs: - conversation_history.json - policy_2024.md artifacts: - reply_email.md checks: - command: python score_reply.py --artifact reply_email.md expect: pass disallow: - rewrite policy docs - modify logs這個(gè)文件定義了“做什么、拿什么做、交什么、怎么驗(yàn)、什么動(dòng)作絕對(duì)禁止”五個(gè)問題全部說清。它比任何花哨的提示詞都重要。3.3 驗(yàn)收腳本要有原子斷言不能只靠“看起來不錯(cuò)”工作基準(zhǔn)的評(píng)分大部分結(jié)論來自自動(dòng)驗(yàn)收腳本。腳本里的斷言必須原子化一個(gè)斷言只檢查一件事。比如評(píng)估一封客服回復(fù)郵件不能寫“檢查郵件是否禮貌”這判斷太抽象。要拆成郵件包含用戶稱呼包含明確的處理結(jié)論包含下一步操作指引沒有拼寫錯(cuò)誤沒有復(fù)制內(nèi)部政策文案。每一條都是一個(gè)獨(dú)立斷言任何一個(gè)字段缺失對(duì)應(yīng)項(xiàng)就得零分。這是我從實(shí)際評(píng)估里總結(jié)的一條經(jīng)驗(yàn)驗(yàn)收標(biāo)準(zhǔn)越具體模型越容易對(duì)齊驗(yàn)收標(biāo)準(zhǔn)越模糊模型就越容易用“看起來合理”的廢話填充交付物。給 AI 寫驗(yàn)收標(biāo)準(zhǔn)和給人寫需求文檔是同一套邏輯不能有歧義。3.4 人機(jī)混合裁判怎么做完全靠大模型裁判會(huì)產(chǎn)生兩種問題一是裁判可能被漂亮話迷惑給低質(zhì)量交付物高分二是裁判可能過度嚴(yán)格把符合要求的交付物誤判為不合格。GDPval-AA 的折中做法是自動(dòng)評(píng)分加人工抽檢。自動(dòng)評(píng)分處理客觀項(xiàng)例如文件結(jié)構(gòu)、格式、變量名、代碼退出碼、費(fèi)用消耗。人工抽檢處理主觀項(xiàng)例如結(jié)論是否合理、建議是否可落地、語氣是否得體。抽檢比例建議不低于 20%如果發(fā)現(xiàn)自動(dòng)評(píng)分與人工評(píng)分偏差較大就需要調(diào)整評(píng)分權(quán)重或補(bǔ)充驗(yàn)收斷言。我見過不少團(tuán)隊(duì)只依賴一個(gè)超大模型做裁判最后評(píng)測分?jǐn)?shù)很好看上線效果卻很一般。原因很簡單裁判模型和被測模型共享了同一套盲點(diǎn)。引入人工抽檢本質(zhì)上是在給盲點(diǎn)測漏。3.5 多次執(zhí)行與統(tǒng)計(jì)口徑大語言模型有隨機(jī)采樣屬性同樣的任務(wù)跑三次結(jié)果可能分別是 95 分、72 分、58 分均值 75 分。如果只報(bào)告均值你根本看不出這個(gè) Agent 是“時(shí)好時(shí)壞”還是“穩(wěn)定良好”。GDPval-AA 的報(bào)告建議同時(shí)給出三項(xiàng)統(tǒng)計(jì)量中位數(shù)、90 分位數(shù)、極差。中位數(shù)代表典型水平90 分位數(shù)代表上線時(shí)最差情況下的表現(xiàn)極差反映穩(wěn)定性。在涉及重要崗位時(shí)還應(yīng)該獨(dú)立跑一組“高隨機(jī)性任務(wù)”觀察懲罰區(qū)間。這個(gè)細(xì)節(jié)在招聘場景很好理解面試官不會(huì)因?yàn)楹蜻x人某一次表現(xiàn)超常就直接發(fā)錄用通知而會(huì)通過多輪面試加試用期判斷平均水平和最差情況。AI 的錄用邏輯理應(yīng)更嚴(yán)格。4. 常見問題與避坑技巧4.1 分?jǐn)?shù)高不代表放心要區(qū)分能力上限與穩(wěn)定下限在 AI 工作能力評(píng)估里得分高只能說明“在條件理想時(shí)能做得好”不等于“天天如此”。遇到一個(gè) Agent 在任務(wù)里拿到 92 分我很建議大家順便看一下它在最難一類任務(wù)上的最低表現(xiàn)。舉一個(gè)實(shí)際案例某模型在普通代碼修復(fù)任務(wù)里接近滿分一旦任務(wù)里混入一個(gè)隱藏的權(quán)限校驗(yàn)它的表現(xiàn)立刻崩盤。單看總分它是 G3 級(jí)別看最低分它只能當(dāng) G2。上線操作失誤的風(fēng)險(xiǎn)不取決于最高分而取決于最差情況下會(huì)做多離譜的事。所以報(bào)告分?jǐn)?shù)時(shí)一定把最差分標(biāo)出來。4.2 警惕任務(wù)過擬合固定題庫養(yǎng)不出穩(wěn)定員工如果評(píng)估任務(wù)集長期不變模型或者 Agent 框架會(huì)逐漸“背下答案”。并不是數(shù)據(jù)泄露而是提示詞緩存、模型微調(diào)、Agent 記憶機(jī)制都會(huì)讓系統(tǒng)記住每個(gè)任務(wù)的預(yù)期產(chǎn)出原本用來測能力的題目逐漸變成測試記憶分?jǐn)?shù)越來越虛。解決辦法是引入隱藏用例。不同批次運(yùn)行之間隨機(jī)替換任務(wù)里的客戶名、倉庫文件名、政策條款版本號(hào)但保留相同的任務(wù)結(jié)構(gòu)與驗(yàn)收邏輯。這樣既能保證對(duì)比的一致性又能迫使模型真正按流程推理而不是靠記憶匹配。超參數(shù)如 temperature 也建議分開測試低溫度測真實(shí)產(chǎn)出高溫度測發(fā)散能力兩者結(jié)合看。4.3 驗(yàn)收標(biāo)準(zhǔn)模糊必然導(dǎo)致“假陽性交付”有一次我讓 Agent 生成一份數(shù)據(jù)分析報(bào)告驗(yàn)收標(biāo)準(zhǔn)寫的是“包含關(guān)鍵結(jié)論”。結(jié)果它生成了一篇語言流暢、結(jié)構(gòu)完整、但完全沒有計(jì)算過程的“報(bào)告”。自動(dòng)評(píng)分判定通過人工審核一眼就看出來這活白干了。后來我把驗(yàn)收標(biāo)準(zhǔn)改成了“報(bào)告必須包含三個(gè)明確指標(biāo)獲取數(shù)據(jù)源行數(shù)、建模方法、結(jié)論置信區(qū)間”才算把標(biāo)準(zhǔn)兜住。這件事再次提醒我給 AI 的任務(wù)描述可以口語化驗(yàn)收標(biāo)準(zhǔn)必須像測試用例一樣嚴(yán)格。寧可在定義階段多花一小時(shí)也不要在評(píng)估階段反復(fù)返工。4.4 風(fēng)險(xiǎn)扣分要設(shè)計(jì)成“一票否決”工作能力基準(zhǔn)最容易被低風(fēng)險(xiǎn)高收益行為鉆空子。例如一個(gè)客服 Agent 為了快速完成工單直接復(fù)制了一段內(nèi)部政策原文發(fā)給客戶雖然完成任務(wù)但違反脫敏規(guī)范。如果只扣一點(diǎn)分模型可能為了高分頻繁走這種捷徑。處理的要點(diǎn)是把風(fēng)險(xiǎn)項(xiàng)改成“一票否決”越權(quán)訪問、篡改日志、繞過審批等動(dòng)作一旦觸發(fā)當(dāng)前任務(wù)直接零分。這樣評(píng)分體系才能明確表達(dá)一件事過程違規(guī)比結(jié)果缺陷更嚴(yán)重。在實(shí)際評(píng)估里零分會(huì)明顯拉開 Agent 之間的差距也會(huì)引導(dǎo)開發(fā)者在設(shè)計(jì) Agent 時(shí)真正重視合規(guī)控制。4.5 分?jǐn)?shù)變差不一定是模型退步基線評(píng)測分?jǐn)?shù)突然大跳水常見原因有三個(gè)API 版本更新改變了模型輸出風(fēng)格工具調(diào)用接口 schema 調(diào)整導(dǎo)致 Agent 解析失敗任務(wù)樣本被無關(guān)文件污染。很多時(shí)候團(tuán)隊(duì)花了一周時(shí)間試圖優(yōu)化模型提示詞最后發(fā)現(xiàn)是評(píng)測腳本里一個(gè)文件路徑寫錯(cuò)。做法是每次評(píng)測前先跑一個(gè)“冒煙任務(wù)”用一個(gè)非常簡單但結(jié)果可預(yù)期的任務(wù)驗(yàn)證整套評(píng)估鏈路是否正常。冒煙任務(wù)通了再跑完整基準(zhǔn)不通先修環(huán)境。這是任何評(píng)測體系都繞不開的基礎(chǔ)設(shè)施建設(shè)。4.6 把“成本”寫進(jìn)工作能力里很多工作基準(zhǔn)只評(píng)估質(zhì)量和穩(wěn)定忽略成本。但真實(shí)崗位里人也是要考慮時(shí)薪的AI 工作能力一樣要看單個(gè)任務(wù)的資源消耗。我習(xí)慣在 GDPval-AA 的評(píng)分報(bào)告里加一列 CPMCost Per Milestone也就是完成每個(gè)關(guān)鍵節(jié)點(diǎn)消耗的令牌數(shù)與 API 費(fèi)用換算值。同一個(gè)任務(wù)方案 A 用兩輪調(diào)用完成方案 B 用了三十輪循環(huán)才發(fā)現(xiàn)路徑兩者完成度可能一樣但長期維護(hù)成本差距巨大。評(píng)估工作能力時(shí)不看成本等于招人只看能力不看薪水最后很可能會(huì)被資源賬單打臉。5. 把這個(gè)基準(zhǔn)用到自己業(yè)務(wù)里的建議如果團(tuán)隊(duì)準(zhǔn)備開始做 AI 工作能力評(píng)估我的第一個(gè)建議是先挑一個(gè)高頻且影響面可控的崗位場景用兩三個(gè)任務(wù)跑通流程不要一上來就追求完整榜單。很多人在這一步犯了貪多求全的毛病評(píng)測任務(wù)建了一百個(gè)最后連驗(yàn)收腳本都寫不完。第二個(gè)建議是固定評(píng)測周期并持續(xù)更新任務(wù)集。工作能力是會(huì)隨迭代波動(dòng)的上一季度表現(xiàn)優(yōu)秀的 Agent這季度模型換了蒸餾策略可能就已經(jīng)不能滿足業(yè)務(wù)要求。固定節(jié)奏評(píng)測才能把問題攔截在影響真實(shí)用戶之前。第三個(gè)建議是把基準(zhǔn)結(jié)果映射到項(xiàng)目排期里。G3 能力的任務(wù)可以做自動(dòng)化流程G2 能力的任務(wù)保留人工審核G1 能力的任務(wù)果斷回爐重造。用自己的工作能力基準(zhǔn)指揮團(tuán)隊(duì)精力分配比無限堆打磨提示詞更能落地。最后分享一個(gè)我反復(fù)使用的想法評(píng)估 AI 工作能力不是在衡量它的“聰明程度”而是在衡量把聰明轉(zhuǎn)化成結(jié)果的責(zé)任能力。光有智慧沒有交付在真實(shí)職場里一票否決AI 也一樣。只要記住這一點(diǎn)你設(shè)計(jì)出的任何工作基準(zhǔn)都不會(huì)偏得太遠(yuǎn)。