做过的都放在这里,按状态分组。每个都点得进去:问题、做法、现在什么状态、哪儿还没解决。
同一批题跑成完整卷,只看通过率、单次成本、重复跑一致性;失败样本回流成下一轮用例。
256 条中文用例,每条标注失败归因:基础设施、缺少判定依据、重复运行结论冲突。
三套界面 + 一层 agent 平台:把售后客服拆成可冻结、可评测、可回滚的资产。