智能体端到端效果评测 SOP（黄金测试集维护规范）.docx

智能体端到端效果评测SOP（黄金测试集维护规范）

文档版本：V1.0

归口管理部门：人工智能治理中心、智能体研发部、质量测试部、产品迭代部、运维发布中心

生效日期：__

适用范围：企业全域自主智能体（Agent）、大模型应用、工具调用智能体、流程自动化智能体、多轮推理智能体、业务决策型智能体的版本迭代、模型升级、Prompt变更、规则更新、工具链路调整、权限体系变更、知识库更新等所有变更场景下的端到端效果评测工作；同时覆盖企业黄金测试数据集的日常维护、迭代更新、版本管理、权限管控、样本沉淀、有效性治理全流程工作。

编制目的：随着企业智能体从单点对话能力向复杂自主规划、多工具协同、长链路任务