AI 产品经理如何做提示词评测并构建评测集

作者结合自己指导的一个企业 AI 项目上线经验，给出从零构建提示词评测集的四步流程：收集真实用户问题、为每道题写标准答案、定义 1-5 分打分规则、按月迭代增删题目。作者强调题目要覆盖真实问题分布，基础评测集至少 100-200 道题，复杂产品可能需要 500 道以上，并指出评测集太小、标准答案过于理想、只看总分不看失败案例是三个常见误区。