选择断言类型
值断言
includes 同时接受子串和正则;matches 只接受 Standard Schema / Zod schema,用于结构校验,不做正则匹配。值断言适合精确、稳定、低歧义的结果。
作用域断言
LLM-as-judge
Gate 和 soft 的取舍
gate:失败就是失败。soft:保留分数,用于比较质量。
代码任务用测试评分
在.eval.ts 里运行项目测试或临时探针:
成本和效率
实用建议
- 先写 1-2 个 gate,保证任务底线。
- 再加 soft 分数比较质量。
- 复杂语义用 judge,但让 judge 有明确 rubric。
- coding-agent 结果尽量用真实测试验证。
- 把失败消息写清楚,方便从报告直接定位问题。