# Product Evals

评测工作流 · 2026-10-26

将真实产品任务、实际结果与支撑证据关联起来的评测工作流，输出有优先级的发现和具体可执行的验收条件。

## 设计问题

怎样的产品评审，既能让团队据此行动，也能让另一位评审重新验证？

先定义成功条件，再执行任务；区分观察与推断，保留反例，并写清楚下一次如何验证。

## 我的工作

评测准则、测试任务、结构化证据记录，以及本地报告校验与生成工作流。

## 工作流

1. **定义** — 明确任务、约束和成功条件。

2. **观察** — 执行任务，保留对应输出与证据。

3. **判断** — 区分直接观察、影响推断和原因假设。

4. **验证** — 为有依据的问题排序，并制定复测条件。

## 机制

**评测设计** — 基于任务的准则覆盖产品体验、AI 输出质量和人机协作。

**证据约束** — 结构化记录将发现关联到证据，未验证的假设不能标记为确定优先级。

**复核门禁** — 规则校验约束必填字段与评审归属；存在待复核发现时，报告不能标记为已复核。

## 目标改对了，任务仍可能没有通过。

Lovart 历史观察 · 2026 年 10 月 10 日 · 单次样本，待复核

**任务** — 只修改一张海报的日期。

请求明确要求保持原图尺寸不变。

**观察** — 日期修改正确，但尺寸也发生了变化。

原文件为 1088 × 1440，修改后为 1536 × 2048；原图仍然保留。

**判断** — 一个小修改，扩大了用户需要检查的范围。

这是对影响的推断；仅凭本次观察，无法确认底层模型或路由原因。

**复测** — 同时检查修改目标和受保护属性。

重复任务，对比日期、导出宽高，以及事先约定的非目标区域。

这是一份有明确日期的单次样本，不代表产品现状或稳定性结论；正式人工复核和重复样本仍待补充。

## 当前与下一步

已建立 10 项任务集、完成 3 项任务的首轮实测，并具备结构化证据和本地 HTML/PDF 报告生成能力。

补齐关键任务重复样本，与人工评审校准准则，再覆盖更多产品类型。

人工主导、机器辅助的评测流程。报告生成器负责校验和呈现已有发现，不会自主检查产品或自动评分。

https://linadong.design/zh/lab/product-evals