怎么判断百度智能云千帆的产出好不好:一张评分表
先说清楚它是什么:百度智能云千帆属于「国产大模型与助手」方向的平台,百度智能云的大模型平台,提供文心等模型的调用、精调与应用开发。
用 AI 最容易犯的错是「看着不错就用了」,这篇给出一张可复用的打分表。
评分表(每项 1 到 5 分)
| 维度 | 看什么 | 1 分 | 5 分 |
|---|---|---|---|
| 事实准确 | 数字、日期、名称是否能被原始材料验证 | 明显不合格 | 无需修改即可使用 |
| 结构清晰 | 是否按要求的格式输出,层级是否合理 | 明显不合格 | 无需修改即可使用 |
| 完整度 | 是否覆盖了提问中的每个子问题 | 明显不合格 | 无需修改即可使用 |
| 可执行性 | 建议是否具体到下一步动作 | 明显不合格 | 无需修改即可使用 |
| 边界意识 | 不确定处是否明确标注 | 明显不合格 | 无需修改即可使用 |
建议:任一维度低于 3 分就不要直接使用;总分用于比较不同提示词或不同工具的效果。
用一个任务试打分
会议准备
适用情况:手头有会议议题和参会人角色时。
我要主持一个 30 分钟的会议,议题是【议题】。请帮我写议程(含每项时长)、需要提前发给参会人的 3 个问题,以及可能出现的分歧和我的应对话术。
验收标准:议程总时长不超过会议时长。
怎么让评分更可靠
- 同一批材料至少测 5 次,不只看最好的一次。
- 两人分别打分,分歧大的维度再讨论标准。
- 把百度智能云千帆的结果与人工完成或阿里云百炼的结果放在一起盲评。
- 每次改提示词后用同一批材料复测。
延伸练习
周报整理
准备材料:本周零散的工作记录和聊天截图文字。
把下面的工作记录整理成周报,分「已完成 / 进行中 / 风险与求助」三段,每条不超过 25 字,保留原始数字,不要补充我没写的成果。
交付前确认:没有出现记录里不存在的成果。
方案对比
适用情况:手头有两到三个备选方案的要点时。
用表格对比以下方案,列为:成本投入、实施难度、主要风险、适合的前提条件。表格后给出你倾向的方案和理由,并说明什么情况下结论会反转。
检查点:结论附带了反转条件。
长文档速读
适用情况:手头有一份 30 页以内的报告或合同(已脱敏)时。
请先用 5 句话概括这份文件的核心结论,再列出 3 个我必须亲自核对的数字或条款,最后指出文中前后矛盾的地方。只依据文件内容,不确定就写「文件未说明」。
验收标准:摘要里的每个数字都能在原文中找到。
常见问题:回答越聊越偏
新开对话,把关键背景与约束写成一段固定开场白再提问。
常见问题:上传文件后回答不全
文件过长时分章节上传,并要求先列出目录再逐节总结。
常见问题:中文输出夹杂英文术语
在提示里明确「术语首次出现给中文译名,括号内保留英文」
使用提醒
涉及个人信息、商业机密或受监管数据时,先确认百度智能云千帆的数据处理条款,再决定能否使用。
文中提示词和示例仅作示意,实际效果取决于你的材料和千帆当前版本,重要内容请人工核对后再使用。