这份资料与你的项目有什么关系
智能体可能在多轮任务中调用工具、修改记录，再根据中间结果继续操作。最终回答正确时，仍可能出现重复申请、漏掉步骤或未经授权访问。
做评估记录时，分别写清任务、运行环境、每次测试、执行过程和最终业务状态。请熟悉业务的人检查结果和错误后果，保留不同意见。模型评分可以帮助筛查，但不能代替专业判断。
同一任务多试几次，可能走出不同的执行过程。记录模型、提示、工具、权限、资料版本和测试条件；重要条件改变后，重新检查相关任务。一次成功还不能说明系统稳定。
决定开放给用户之前，分组检查不同任务和场景，列出必须解决的问题、支持安排、停止负责人和重测条件。这些建议来自工程资料的归纳；要测试多少样例、设置什么标准，仍应根据任务后果决定。
在项目里怎么用
选一个你正在做的任务，看看这篇介绍的方法是否适用。写下要补查什么、可能改变哪一步、由谁处理，以及什么时候再检查；没有真实项目时，也可以用案例练习。