智能体评测用例生成器的原理
智能体上线后「悄悄退化」很常见：换个问法就答错。评测用例生成器把你要覆盖的能力与边界写成「输入—预期—评判点」三件套，攒成一套题，每次模型或提示词变动后跑一遍，提前发现退化。
这个工具能做什么
- 批量生成结构化测试用例
- 覆盖正常 / 边界 / 异常场景
- 标注预期输出与评判点
- 辅助智能体回归评测
怎么使用（输入说明）
- 填能力：这个智能体要考什么。
- 填边界：容易翻车的输入长什么样。
- 生成：得到用例清单。
- 执行：拿去对照实际输出打分。
常见问题 FAQ
Q：自动判分吗？
A：不。本工具只产出「预期与评判点」，实际打分可由你或另一个评审模型完成。
Q：用例要多少条？
A：核心场景 20–50 条即可覆盖主路径，边界场景越多越稳。
Q：会上传吗？
A：不会，本地生成。