UAT Copilot · Stage 3 · 已完成并保留
让模型参与理解，
不让模型越过边界。
真实模型只在服务端完成意图解析，输出必须通过 Stage 2 的受控 Schema；调用失败时，系统自动回退到规则基线。
接入架构
概率理解，确定性执行
把模型放在可替换的理解层，而不是直接连接业务数据或执行动作。
- 01浏览器
提交脱敏问题
只发送当前输入的模拟 UAT 问题，不携带 API Key。
- 02服务端
调用真实模型
使用固定 Prompt 和严格 JSON Schema 约束输出。
- 03协议层
校验与降级
校验通过才进入查询；超时或失败回退 Stage 2。
- 04业务层
确定性查询
由规则引擎筛选台账，并生成问题编号与来源引用。
真实模型对照
同一个问题，两种解析器
正在检查模型服务API Key 不会发送到浏览器
公开数据边界
请只使用页面示例或虚构问题。不要输入客户名称、真实账号、业务金额、联系方式或内部系统信息。
BASELINE
本地即时运行Stage 2 规则解析
MODEL
等待调用Stage 3 模型解析
模型结果将在这里显示。
协议字段对照
差异不隐藏，直接进入评估
| 字段 | 规则版 | 模型版 | 是否一致 |
|---|---|---|---|
| 运行模型后生成字段级对照。 | |||
同集回归
沿用 Stage 2 的 24 条测试集
2026-08-31 已使用 AICodeMirror 兼容接口与 gpt-5.6-terra 完成首轮评估：24 / 24 完全匹配。下方保留本轮逐条结果；重新评估仍需先完成当前会话的单条验证。
| 编号 | 测试问题 | 期望 | 模型结果 | 结果 |
|---|---|---|---|---|
| 模型服务启用后，可手动运行完整评估。 | ||||
阶段学习档案
Stage 3 保留的完整步骤
页面展示产品链路，本地资料保留 Prompt、Schema、测试方法、安全边界和后续模型评估结果。
- 01
选择模型与成本口径
先用适合分类和抽取的低成本模型，模型名保留为服务端配置。
- 02
隔离 API Key
浏览器只调用同源接口，密钥仅进入 Cloudflare 加密 Secret。
- 03
固定 Prompt 与 Schema
模型只解释意图，严格输出 Stage 2 查询协议，不直接访问业务数据。
- 04
增加二次校验
即使模型承诺结构化输出，服务端仍检查字段、枚举、类型和未知属性。
- 05
设计超时、限流与降级
模型不可用时返回明确原因，并让页面保留规则版解析结果。
- 06
运行同集评估
沿用 24 条测试，记录完全匹配率、响应时间和 Token 用量。