免费POC, 零成本试错
AI知识库

AI知识库

学习大模型的前沿技术与行业落地应用


收藏

Agent评测:可在任何团队落地的Badcase的实践流程

发布日期:2026-09-08 19:21:32 浏览次数: 1813
作者:质问

微信搜一搜,关注“质问”

推荐语

用最小成本跑通Badcase闭环流程,四步实践法适配任何团队,高效解决Agent评测痛点。
核心内容:
1. Badcase四步实践流程(发现、记现象、定责、修复回归)及分工
2. Badcase发现的两种来源(线上/质检、离线评测)与记录规范
3. 定责修复核心方法(查2-3个点定主责模块)及回归评测集回流规则

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

目标:用最小成本跑通「发现 → 定责 → 修复 → 回流评测集」闭环,不追求完整工程化。

badcase的四步

步骤
做什么
谁做
产出
1. 发现
线上/评测里把「明显不对」的样本捞出来
规则 + 人工
一条 Badcase 记录
2. 记现象
只写:用户看到了什么问题
人(或轻量 Judge)
现象标签 + 一句话描述
3. 定责任
看 Trace,只查最可能的 2~3 个点
研发 / 算法
主责模块 + 怎么修
4. 修完回归
修好后把这条放进回归评测集
研发
以后版本必跑

发现 Badcase

只认两种来源:

  • ■线上 / 质检
    :运营、客服、质检直接贴会话链接 + 一句话「哪里不对」
  • ■离线评测
    :规则或 LLM 判成 fail 的样本,人工扫一眼确认

Badcase 表字段(excel、json、yaml都可以)

字段可以随团队增加或者减少

ID
会话链接 / Trace
现象(选填)
一句话描述
主责模块
修复建议
状态
负责人
是否已入回归集
回归样本 ID
备注

状态流转

待确认 → 已定责 → 修复中 → 已回归 → 关闭

现象分类

现象
含义
答非所问
没理解用户在问什么
事实错误
说错业务事实 / 政策
过度承诺
说了做不到的事
该调工具没调 / 调错了
路径不对
该转人工没转
风险 / 投诉处理不当
其他
暂时归不进上面的

记现象是为了方便搜索和统计,不是为了立刻精确定责。

定责

找到当前最可能的主责模块即可,不要求一次定位真实根因。

打开会话 Trace,按顺序只问自己:

  1. . 1用户意图对不对?
     不对 → 主责:意图 / 理解
  2. . 2该查的知识 / 订单查了吗?
     没查或查错 → 主责:检索 / 工具
  3. . 3工具返回是对的,回复写错了?
     是 → 主责:生成 / Prompt
  4. . 4
    **明显违反 SOP?**(例如未查订单就承诺退款)
     是 → 主责:流程 / Guardrail

大多数 case 在 5~10 分钟内能定到一个主责模块。
不需要对每个模块写 PASS / FAIL 报告。

定责后在表里填写:

  • ■
    主责模块(意图 / 检索 / 工具 / 生成 / 流程 / 其他)
  • ■
    一句话怎么修(改 Prompt / 补知识 / 改工具描述 / 加规则…)

例如:

主责模块:生成
原因:工具返回正确,但最终回复错误

就可以结束。而不是必须找到为什么LLM生成错误。

Badcase 如何回流到评测集

回流时机

时机
做什么
说明
定责完成
可选:标成「候选回归样本」
还没修,先存着方便对照
修复完成并确认不再复现
正式加入回归评测集
只有修过并验证 OK 的,才适合当回归用例

未定责、纯噪音、一次性环境问题,先不要进评测集。

回流步骤

  1. . 1
    修复完成
  2. . 2
    用修复后的版本重新执行 Badcase
  3. . 3
    确认问题不再复现
  4. . 4
    抽出最小可复现输入
  5. . 5
    写期望行为 / 检查点
  6. . 6
    存入回归评测集
  7. . 7
    在 Badcase 表记录回归样本 ID

关系可以记为:

  • ■
    Badcase 表 = 问题工单(发现、定责、跟踪修复)
  • ■
    评测集 = 可重复跑的测试用例(发版守门)
  • ■
    两者可以用回归样本 ID对齐

回归样本建议字段

字段
说明
示例
输入
用户问题(+ 必要多轮上下文)
「这个订单能退吗?订单号 xxx」
期望
一句话或几条检查点
必须先查订单;未发货才能承诺退款;不能说「一定退」
来源 Badcase ID
方便回溯
BC-2026-0312
现象标签
方便筛选
过度承诺 / 该调工具没调
主责模块
方便按模块看回归
流程 / 工具

判断方式保持朴素即可:

  • ■
    规则:是否调用了某个工具、是否出现禁止话术
  • ■
    人工 / 轻量 Judge:是否满足期望检查点

流程

发现 Badcase
  → 定责、改 Prompt / 规则 / 工具…
  → 用修好后的版本再跑这条输入
  → 确认不再复现
  → 正式写入回归评测集
  → 之后每次发版都跑这批回归

注意:

  • ■
    同一类问题不必每条都进评测集,选 2~3 条有代表性的 即可
  • ■
    修之前可以先记下,修并验证通过之后再正式进回归集

总结

Badcase 表负责发现问题、定责、跟踪修复;
 评测集负责修好后永久守门。

回流动作:修好并确认 OK 后,把输入 + 期望检查点写入回归评测集,并在 Badcase 表标记已入回归集。


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅