业务 Prompt 评估要先有 rubric 再看感觉

Prompt 评估 rubric 这件事在 2023 年开始越来越频繁地进入真实项目，但很多团队一开始只看到表面收益，没有先把边界收住。只要 每个人都在说“这个版本好像更好”，但没有任何一致的判分基线，问题就会很快从“一个小体验瑕疵”变成系统性的维护成本。

我现在更倾向的做法，是先把这类能力当成正式工程问题来看，而不是把它当成一个临时技巧。对我来说，最关键的一步通常是 先定义正确性、完整性、格式稳定性和业务风险维度，因为只有边界先明确，后面的优化、扩展和排查才不会一直漂。

真正容易被忽略的，往往不是功能能不能做出来，而是以下这些细节：

• 评估维度越贴近业务，Prompt 迭代越不会跑偏
• 样本要覆盖高频和高风险场景，别只测最顺的输入
• 评估记录需要沉淀下来，不然每次优化都像重新猜题

这些细节看起来都不大，但它们决定了系统是在 demo 阶段“能跑”，还是进入业务以后依然稳定。越是和 AI、工作流、构建链路这类复杂能力相关，越不能靠感觉把事情糊过去。

小结

Prompt 调优如果没有 rubric，本质上就是主观试错。先把标准写出来，优化才会真的累积。