建议流程

先构建评估的标准和数据集，帮助衡量提示词优化等变动的效果。 迭代流程：更新 → 测试 → 调试 → 评估；版本化管理变更与差异。 规模建议：推荐几百到几千样本，保证多样性与代表性，覆盖正例/负例/边界条件与多语料。可以使用大模型进行评估集扩展。 说明 提示词工程工具 Prompt Pilot 方舟提供了 Prompt Pilot ，构建端到端的提示词优化，输入初始 Prompt 智能完成完整提示词工程流程： 初始 Prompt 自动生成 评估数据集。 生成模型回答并自动打分。 智能优化 Prompt，并生成智能优化报告。