检查维度
| 维度 | 代表项 | 达标证据 |
|---|---|---|
| 检索 | recall@10、P95 延迟 | 评测报告 + 监控面板 |
| 生成 | 忠实度、引用合规率 | 评测报告 + 抽查记录 |
| 鲁棒性 | 无答案集、注入样例、多轮 | 专项测试记录 |
| 运维 | 回滚预案、成本上限、告警 | 演练记录 + 配置 |
发布前命令（示例）
发布前命令（示例）
python eval/run.py --all --compare baseline.json
pytest tests/rag_robustness -q
# 两项均绿再触发发布流程清单要随故障复盘更新：每次生产问题都补一条检查项。