本章进度 17 / 18
94%
正文已完成
L292用约束和证据比较两个可行方案
建立决策标准、权重、证据和不确定项，避免结论先行的方案评审。
把“方案取舍”从听懂变成会判断，避免遇到真实任务时仍靠感觉选择。
建议先理解同主题上一课的核心概念，再完成本课判断练习。
- 无需安装新工具
- 准备一个可对照的真实问题或样本
方案对比最常见的问题是标准随结论变化是喜欢 A 时强调速度，喜欢 B 时又强调成本。先冻结决策标准和权重，再收集同口径证据，才能让评审可复查。
能用同一组标准公平比较两个候选方案，并保留尚未验证的假设。
核心概念
先把关键判断说清楚
标准先于评分
先由业务约束确定延迟、成本、可靠性、维护等标准，再观察候选方案，减少偏好驱动。
证据与假设分栏
实测数据、官方限制和团队经验的可信度不同；尚未测量的结论必须标为假设。
敏感性揭示脆弱结论
改变一个关键权重或假设后结论就反转，说明应先补证据而非立即下注。
案例拆解
自建检索与托管服务的同口径比较
产品准备选择检索方案，一方只谈托管服务速度，另一方只谈自建可控，讨论没有共同标准。
- 01
冻结标准是中文召回、p95 延迟、月成本、数据边界、两人团队维护负担。
- 02
对同一数据集和 30 个查询测召回与延迟，成本按同一流量估算。
- 03
把未来数据增长标为假设，并分别按 3 倍和 10 倍做敏感性比较。
案例结果
团队看见当前托管更合适，但也记录了流量达到何种阈值后重新评估自建。
提交前练习
现在轮到你
用同一组约束比较两个候选方案，并写出重评条件。
完成本课需要：完成以下内容用于本课收口。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
A 本地推理、B 云 API；标准是隐私40%、质量25%、延迟20%、维护15%；用同一 50 条样本测质量和 p95；本地并发能力仍未知；当日请求超过 5 万或数据不得出域时重评。
评分标准
- 标准在对比前可说明来源
- 证据口径一致
- 不确定项与重评条件明确
本课收口 · 应用检查
完成一次应用，再检查理解
完成一次必填练习，再通过理解检查；阅读标记和总结不设硬门槛。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- NIST AI Risk Management Framework↗standard · 核对日期 2026-08-23
- Evals↗official-docs · 核对日期 2026-08-23