30 秒结论 · 先看这里
验收别看演示流畅度，要看真实问题的命中率、引用准不准、答错怎么兜底。用你自己的问题清单验收，才敢签字。
现场共情：演示很流畅，验收时却不敢签字
供应商演示时问题都是挑过的，一问一答行云流水。真到验收，业务方随手抛出几个带口音、带错别字、跨两份文档的问题，系统就开始答非所问；更麻烦的是，它答错了也答得很自信，没有“不知道”的按钮。验收如果只看演示体验，等于把风险留到上线后。
判断条件
1. 命中率用真实问题测
从客服记录、群里提问里抽 100 个真实问题，统计能答、答对、答错、拒答的分布，而不是用准备好的题库。
2. 引用要逐条核对
抽样检查答案的来源是否真的支持结论，有没有张冠李戴、拿旧版本当依据。
3. 拒答是能力不是缺陷
超出文档范围的问题必须明确说不知道或转人工，验收时要专门测“陷阱题”。
4. 权限要反向演练
用普通员工账号去问机密问题，验证系统是否真的挡住，而不是文档“理论上”有权限设置。
明确不适合做的情况
出现这些信号，先别急
出现这些信号，验收先暂停：没有真实问题集，只有供应商题库；答错不记录、不分类，只说“再调调”；拒答率极高或为零（为零通常意味着在硬答）；权限没法在测试环境演练。验收标准不写清，上线日期越近，扯皮越多。
最小动作清单
Day 1：建真实测试集
从历史提问中抽 100 题，标注标准答案和来源文档，分成常规、模糊、越界三类。
Day 2：跑四类指标
统计命中率、引用准确率、拒答正确率、权限拦截率，逐项记录失败样例。
Day 3：定上线门槛
和业务方约定每类指标的最低线，以及答错时的兜底流程（转人工/提示不确定），写进验收单。
证据与成熟度边界
现有证据用于验证结构，不替代你的业务验收
查看合作流程与验收边界 →
企业级 RAG 知识库案例展示了可演示的验收维度（命中、引用、拒答、权限），可作为讨论验收标准的样本；但你的验收必须基于自己的真实问题集和责任边界，不能直接套用他人数据。
查看 RAG 知识库案例 →查看合作流程与验收边界 →