01
Field Evaluation / 多 AI 实战评测
给 AI 分岗位，而不是排总榜
把规划、执行、审计、浏览器操作、文档和故障兜底拆成不同岗位，再选择模型。
最强模型不等于最合适的执行者；岗位边界比综合分数更有用。
01
先问清楚
- 这项任务真正需要哪些决策？
- 哪些动作可以自动，哪些必须复核？
- 失败后由谁发现并接管？
02
实践框架
- 1拆解任务阶段
- 2定义岗位输入与输出
- 3设置权限上限
- 4指定交接格式
- 5用实际结果调整岗位
03
验收证据
- 岗位说明卡
- 任务交接记录
- 人工介入次数
- 端到端成功率
- 失败接管时间
04
常见失误
- 用品牌印象代替实测
- 一台模型包办全部角色
- 交接上下文丢失
- 总分掩盖关键短板