评测与质量

评测的目标不是给 AI 输出打一个抽象分数，而是判断它是否满足可发布的验收标准。

评测层级

层级	问题	常用证据
单例检查	一个输入是否得到正确输出	fixture、快照、断言
场景检查	一个工作流是否完整	Harness scenario、trace
回归检查	旧行为是否被破坏	测试套件、链接审计
发布检查	是否适合公开发布	构建、可访问性、内容审查

Evaluator 设计

好的 evaluator 应该：

• 只评估一个明确标准。
• 给出失败原因，而不是只给分。
• 能处理边界输入。
• 与人工验收标准对齐。
• 在模型或 prompt 变化后仍然稳定。

文档站质量门禁

本项目的文档发布至少需要：

npm run docs:build
npm run docs:check-links

还需要人工检查：

• 首页首屏是否清晰。
• 移动端是否溢出。
• 中英文导航是否完整。
• 新页面是否包含概念、步骤、练习、排错和下一步。

练习

为一个“新增 MCP 教程页”的 PR 写 5 条验收标准，并把其中 2 条转成自动检查。

下一步阅读 部署与安全。