同时观察质量与成本 只看生成速度会忽略返工与复核成本。记录结果可用性、事实或引用准确性、人工检查时间和模型调用成本。 建立可比较的样本 使用覆盖常见任务和边界条件的授权样本，记录输入版本和配置。测试样本应与调试样本区分，以避免只优化演示效果。 把失败纳入流程 说明错误如何识别、由谁确认、怎样重试或回退。评估必须包含不适用情况和系统限制。 用结果决定下一步 达到双方确认的标准后再扩大范围。如果质量或成本不合适，可以调整流程、缩小目标或保留人工处理。参考 交付与支持指南。
