漂亮示範不能代替日常工作的評估集。測試要包括普通問題、模糊請求、無答案與不可提供的資料。

每題標記相關證據、可接受行為，以及助手不應提出的主張。

把找不到證據，和找到證據卻寫錯答案，分開診斷，才能知道該改善哪個環節。

保留一部分未用於調整的題目，並記錄測試時使用的文件、模型與設定版本。

將真實失敗轉成受控案例；發布應依據已標記的證據與合理拒答，而不是事後挑出的漂亮答案。

原創文章解說影片。採用 AI 輔助概念插畫、合成旁白及原創合成音樂，並非真人錄音或客戶實績。