把 AI 小工具从能演示，做到能交付

0101 / 定义输入与验收标准

先把工具任务写成一页说明：用户提供什么、输出给谁、必须保留哪些事实、不能做哪些推断。把成功标准变成可检查的条件，例如字段齐全、格式正确、没有新增承诺。用这份说明约束提示词，而不是单凭一次漂亮回答判断质量。

按官方 Quickstart 完成一个请求，再加入输入长度、输出长度与错误处理。密钥由服务端管理，浏览器只拿到结果。为请求设置超时和用量限制，让用户知道失败是否计次；保留普通手工输入入口，避免把 AI 故障变成整站不可用。

收集普通、缺信息、超长、矛盾和边界输入，为每条样本记录期望行为。先观察错误属于遗漏、事实编造还是格式问题，再有针对性修改提示词。每次更换模型或改规则，都用同一批样本对比，既检查改善，也查是否退步。

把提示词、配置与测试一起放入版本控制，记录修改原因。上线前检查正常成功、额度耗尽、服务异常与重复点击。小范围开放后再补充真实失败案例；发布记录中说明功能边界，让下一次修改可以被追溯和撤回。

适用边界

这里使用可移植的评测方法，不依赖旧 Evals 平台。API 调用通常按用量收费；AI 输出仍需审核，尤其是对外承诺、价格和事实信息。

本文为启悦基于下列资料的原创整理，步骤建议不代表平台官方承诺。