怎樣評估 LLM 應用：由示範走向量產

示範階段可用幾條「金鑰問題」；量產需要更大測試集，涵蓋邊界情況與失敗模式。

分開追蹤：事實正確性、格式正確、語氣合規、延遲與成本——每項有不同量測方式。

線上環境可記錄使用者修正、點讚／投訴與人工覆核比例，作為下一輪迭代依據。