怎么判断夸克 AI 的产出好不好:一张评分表
在「国产大模型与助手」类工具里,夸克 AI 的定位是:阿里夸克 App 中的 AI 搜索与助手能力,覆盖搜索、文档、学习等场景。
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
长文档速读
准备材料:一份 30 页以内的报告或合同(已脱敏)。
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」。
交付前确认:摘要里的每个数字都能在原文中找到。
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。
- 把夸克 AI 的结果与人工完成或秘塔 AI 搜索的结果放在一起盲评。
- 每次改提示词后用同一批材料复测。
补充练习
邮件改写
适用情况:手头有一封措辞生硬的中文或英文邮件草稿时。
把这封邮件改写得礼貌但直接,保留所有日期和金额,开头一句说明来意,结尾给出明确的下一步。另外给一个更简短的版本。
验收标准:日期金额与原稿一致。
方案对比
输入:两到三个备选方案的要点。
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。
验收标准:结论附带了反转条件。
会议准备
输入:会议议题和参会人角色。
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。
交付前确认:议程总时长不超过会议时长。
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:同一问题每次答案不同
把格式和判断标准写死,必要时让它先给评分依据再给结论。
常见问题:引用的链接打不开或内容对不上
要求只引用能直接访问的来源,关键结论自己回到原网页核对。
概念补充:深度思考 / 推理模式
让模型先进行多步推理再作答,通常更慢,适合复杂问题。
写在最后
本文基于夸克 AI 公开的定位与通用用法编写,具体功能、套餐与可用地区以官方页面为准,产品更新后界面和名称可能变化。
所有示例输出均为示意,不代表真实统计或效果承诺;请以自己的测试结果为准。