展开本页目录
开始前准备什么
- 独立练习目录及Python 3.14;系统与Node依赖以README为准。
- 离线重放无需Key;新请求使用自己的apizt Key,先核对模型权限和当前价格。
- 原创合成材料,不需要登录第三方平台账号。
- 先看文件
- 按步骤操作
- 对照真实结果
- 离线或模型复跑
默认离线重放;包含完整失败尝试与本地检查,不含Key。
1. 核对本例材料与目标文件
参见本批TOPIC-RESEARCH.md同编号新增边界,原生小样与负例均独立交付。
先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留;本地核对答案不发送给模型。
input.json(节选)
{
"facts": {
"trial_days": 7,
"templates": 3,
"offline": true
},
"questions": [
{
"id": "Q1",
"text": "试用几天?"
},
{
"id": "Q2",
"text": "模板几份?"
},
{
"id": "Q3",
"text": "能离线打开吗?"
},
{
"id": "Q4",
"text": "每月收费多少?"
},
{
"id": "Q5",
"text": "手机系统最低版本?"
},
{
"id": "Q6",
"text": "客服电话号码?"
}
]
}2. 按顺序完成这项具体操作
本次实际使用Python 3.14,依赖版本固定在资料包。需要LibreOffice或Node的案例请先按README安装对应运行时。python run.py读取真实旧响应完成本地处理;只有显式--live才发新请求。
- 1. 在facts.md只给试用7天、模板3份、可离线三个事实,准备六个问题,其中收费、最低系统版本和电话没有资料。
- 2. 让apizt逐题返回answer或null及abstain,保留每个问题ID,不让模型自报准确率。
- 3. 把非拒答且非null计为已回答,仅对这些回答比较本地支持事实;拒答不算“答对”。
- 4. 分别计算coverage=已回答数/6和已回答准确率=已回答正确数/已回答数;全拒答负例的准确率保持null。
- 5. 导出answers.csv和abstention-metrics.json,检查无资料三题没有编造答案;评测计算通过不能写成六题全部答对。
独立练习目录 · 默认仅离线复核
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py3. 对照真正发送的请求
只输出JSON:answers数组每项id、answer字符串或null、abstain布尔值。仅按facts回答,答案简短;没有资料的必须answer null并abstain true,不自报置信度。
网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。
request-1.json(图片Base64省略,原文件在下载包)
{
"model": "gemini-2.5-flash-lite",
"messages": [
{
"role": "system",
"content": "严格只输出单个JSON对象,不要Markdown代码围栏,不要解释。只输出JSON:answers数组每项id、answer字符串或null、abstain布尔值。仅按facts回答,答案简短;没有资料的必须answer null并abstain true,不自报置信度。"
},
{
"role": "user",
"content": "任务约束(只输出JSON对象,不用代码围栏):\n只输出JSON:answers数组每项id、answer字符串或null、abstain布尔值。仅按facts回答,答案简短;没有资料的必须answer null并abstain true,不自报置信度。\n待处理合成材料:\n{\"facts\": {\"trial_days\": 7, \"templates\": 3, \"offline\": true}, \"questions\": [{\"id\": \"Q1\", \"text\": \"试用几天?\"}, {\"id\": \"Q2\", \"text\": \"模板几份?\"}, {\"id\": \"Q3\", \"text\": \"能离线打开吗?\"}, {\"id\": \"Q4\", \"text\": \"每月收费多少?\"}, {\"id\": \"Q5\", \"text\": \"手机系统最低版本?\"}, {\"id\": \"Q6\", \"text\": \"客服电话号码?\"}]}"
}
],
"temperature": 0,
"max_tokens": 1536,
"provider": {
"sort": "success_rate"
},
"response_format": {
"type": "json_object"
}
}4. 查看原生处理代码与实际文件
下面节选来自本次实际执行的workflow.py分支,需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。
具体产物:answers.csv、abstention-metrics.json。
workflow.py · 本例分支节选
answers = output.get('answers', [])
by_id = {r.get('id'): r for r in answers}
golden = {'Q1': '7', 'Q2': '3', 'Q3': 'yes', 'Q4': None, 'Q5': None, 'Q6': None}
check('六个问题完整且不重复', set(by_id) == set(golden) and len(answers) == 6)
rows = []
answered = correct = 0
for key, gold in golden.items():
r = by_id.get(key, {})
abstain = r.get('abstain') is True
text = r.get('answer')
responded = not abstain and text is not None
valid = str(gold) in str(text) if gold in {'7', '3'} else any((s in str(text) for s in ['可以', '能', '是', 'yes', 'true'])) if gold == 'yes' else False
answered += responded
correct += responded and valid
rows.append({'id': key, 'answer': text, 'abstain': abstain, 'has_support': gold is not None, 'answered_correct': bool(responded and valid)})
result = {'coverage': answered / len(golden), 'answeredAccuracy': correct / answered if answered else None, 'answered': answered, 'answeredCorrect': correct, 'total': len(golden), 'allAbstainNegativeFixture': {'coverage': 0, 'answeredAccuracy': None}, 'rows': rows}
check('拒答不计作答对', result['answeredCorrect'] <= result['answered'] and result['allAbstainNegativeFixture']['answeredAccuracy'] is None)
check('未知问题未编造答案', all((by_id.get(k, {}).get('abstain') is True and by_id.get(k, {}).get('answer') is None for k in ['Q4', 'Q5', 'Q6'])))
write_csv(artifact('answers.csv'), rows)
dump(artifact('abstention-metrics.json'), result)5. 对照真实结果和检查表
实测2026-10-25T07:55:50.232039+00:00,HTTP200;请求gemini-2.5-flash-lite,返回gemini-2.5-flash-lite。本次5/5项检查通过,指本例执行及验收机制通过,不代表所有模型字段零误差。
最后一次返回用量450tokens;1份尝试记录的已知用量合计450。失败记录保留,用量缺失不按0计,本文不推算实际金额。
| 实际检查 | 结果 |
|---|---|
| 真实apizt API响应HTTP200 | 通过 |
| 六个问题完整且不重复 | 通过 |
| 拒答不计作答对 | 通过 |
| 未知问题未编造答案 | 通过 |
| 列出的原生产物实际存在 | 通过 |
- 实际检查
- 真实apizt API响应HTTP200
- 结果
- 通过
- 实际检查
- 六个问题完整且不重复
- 结果
- 通过
- 实际检查
- 拒答不计作答对
- 结果
- 通过
- 实际检查
- 未知问题未编造答案
- 结果
- 通过
- 实际检查
- 列出的原生产物实际存在
- 结果
- 通过
result.json · 原生处理后实际结果
{
"coverage": 0.5,
"answeredAccuracy": 1.0,
"answered": 3,
"answeredCorrect": 3,
"total": 6,
"allAbstainNegativeFixture": {
"coverage": 0,
"answeredAccuracy": null
},
"rows": [
{
"id": "Q1",
"answer": "7天",
"abstain": false,
"has_support": true,
"answered_correct": true
},
{
"id": "Q2",
"answer": "3份",
"abstain": false,
"has_support": true,
"answered_correct": true
},
{
"id": "Q3",
"answer": "能",
"abstain": false,
"has_support": true,
"answered_correct": true
},
{
"id": "Q4",
"answer": null,
"abstain": true,
"has_support": false,
"answered_correct": false
},
{
"id": "Q5",
"answer": null,
"abstain": true,
"has_support": false,
"answered_correct": false
},
{
"id": "Q6",
"answer": null,
"abstain": true,
"has_support": false,
"answered_correct": false
}
]
}6. 替换输入前,先确认这些边界
仅六条合成问题,coverage与已回答准确率分开;全拒答的准确率保持null。
修改材料后应重新制定事实断言和反例。识别错误率、混淆矩阵或拒答类教程允许保留模型实际错误;检查通过指计算和处理正确。没有调用视频模型。
怎样确认已经完成
- 真实apizt API响应HTTP200
- 六个问题完整且不重复
- 拒答不计作答对
- 未知问题未编造答案
- 列出的原生产物实际存在
常见问题
AI 拒答 覆盖率怎么开始?
在facts.md只给试用7天、模板3份、可离线三个事实,准备六个问题,其中收费、最低系统版本和电话没有资料。按本页顺序继续,先用下载包离线重放,再替换自己的材料。
网页试跑和下载包有什么区别?
网页只复跑模型字段,不生成全部原生文件;资料包包含实际原生处理和本地验收。
这次通过结果适用于其他材料吗?
仅六条合成问题,coverage与已回答准确率分开;全拒答的准确率保持null。


