評估漂移

輸入、使用者、參考資料、模型、prompt 或工具改變時，AI 的任務品質也可能改變。可用率及延遲無法描述每一種品質變化。先定義通過驗收的任務基準，再比較工作流真正重視的指標。

Anthropic 在 2026 年 1 月 9 日的 agent 評估指南中，說明程式、模型及人工評分、校準與互補監測。本文把這些區分轉成評估計畫：代表性案例、依風險抽樣、明確警示決策及調查負責人。固定的一致率、樣本數或監測週期，不是所有系統的正式環境可靠度證明。