质量体系可泛化原则

确定性验证器 vs LLM 判官

质量

具体说明确定性断言和 LLM 判官各自适用于什么、如何组合。核心判断是：能逐字比对或重新计算的，一律用确定性断言；只有真正存在多种正确表达的部分，才交给判官。

什么时候需要它

核心内容

它决定什么

公开的是判断与判据。客户口径、私有阈值和内部示例不在其中。

确定性断言的适用面比直觉更大
字段存在性、枚举取值、数值一致性、单位、引用是否指向真实存在的来源——这些都能确定性判定，不需要判官。先把这部分榨干，判官的负担会小很多。
判官只负责语义判断
回答是否切题、解释是否合理、语气是否合适。判官擅长的是有多种正确表达的判断，用它做格式检查是浪费且不可靠。
混合断言的组织方式
一条用例通常同时包含结构断言和语义评分。结构断言不通过就直接判失败，不必再评语义——省成本，也让失败原因更明确。
判官输出要结构化
判官应当输出分维度的评分与理由，而不是一个笼统的通过与否。理由是后续校准判官本身的依据。
判官不能自己评自己
用同一个模型既生成回答又评判回答，会带来系统性的偏向。至少要在提示与角色上隔离，必要时换模型。

这是我们交付生产级 AI Agent 的公开、脱敏方法骨架。真正落地时，从 AI Agent 生产就绪审查与路线图入手，或先用生产上线前深检定位薄弱环节。