用20道人工题搭建LLM答案评分闭环

一种 LLM 答案评分方法从团队已有人工回答的问题中选取20道，写下标准答案和理由，再用第二个模型按1-100分评分。低于90分的回答转人工复核，90分及以上直接发布，并在修改提示词、工具或模型后全量重跑。每周人工抽查评分器并跟踪转人工比例，模型答错的案例会加入测试集。