从固定样本到对比表

AI 生成的实现路线，以下步骤尚未作为真实运行记录验收。

1. 整理实验输入

为每条样本分配固定编号，例如 sample-001。把原文和期望保留的信息分开存放，避免评分时只凭印象。示例任务可以是把一段自编学习笔记整理成三条摘要。

2. 保存提示词版本

提示词放在独立文本文件中，用 baseline、structured 这样的稳定名称引用。第一轮只改变提示词，尽量保持模型、参数和样本一致；模型服务无法固定行为时，在结论中记录这一限制。

3. 记录实验

每条 JSONL 记录建议包含 sampleId、promptVersion、model、input、output、scores 和 notes。暂未填写的可选值用 null，不要用猜测数据填满表格。时间如需跨系统传输使用 Unix 毫秒时间戳。

4. 生成对比

按样本编号合并两种版本，展示三个评分维度和备注。先看具体失败样本，再解释分数变化；5 条样本只能支持这个小练习的观察，不推断普遍效果。

常见问题与处理

• 输出格式正确但事实错误：把格式与事实分开评分。
• 两版使用了不同原文：对输入求摘要指纹，发现不一致时不参与对比。
• 重跑覆盖旧结果：每次实验分配独立批次，保留原记录。
• 输出包含私人内容：练习优先使用自编公开样本，文件分享前人工检查。

下一篇可补充的真实材料

实际代码入口、两轮原始结果、失败样本分析与截图。完成这些之后，再创建成果展示文档并根据真实进度调整项目状态。