原創虛構教學範例，未預填模型結果。
可編輯的起點
- 1 · 要檢查的資料
- 原始問題或請求: 在哪裡可以下載發票？下個月的公司名稱要怎麼修改？ 準備傳送的回覆: 在「帳務 → 發票」中下載發票。若要修改後續發票的公司名稱，請在下次帳單日期前，到「帳務 → 詳細資訊」中更新「公司名稱」。
- 2 · 你想問的問題
- 回覆是否回應了請求中明確提出的所有事項？
- 什麼情況下算「是」？
- 每個明確的問題或請求都有回應，包括明確說明目前無法回答。
- 什麼情況下算「否」？
- 至少有一個明確的問題或請求未獲回應。
這些是模型判斷的機率，不是實測準確率或保證。「是／否」對應你寫的標準，選項機率只在你提供的選項內比較。
兩種不同的量
選項機率對應一個可能結果。TypeSafe 的 Choice 信心程度概括整組選項機率的分布形狀，不是最高機率的另一個名字。Noul 只有 Yes 機率，沒有單獨的 confidence 欄位。本站自訂編輯器展示模型機率，不是獨立測量的準確率。
不要把很高的 Yes 理解成「模型擅長這項任務」。它表示在這道問題和規則下傾向回答 Yes。檢查絕對承諾時，Yes 指向可能的問題；檢查涵蓋情況時，Yes 表示條件看起來已滿足。
用回覆練習理解數值
載入回覆完整性範本，閱讀規則，並先確定回覆應涵蓋哪些明確要求。只修改回覆中的一個部分，再比較建議。頁面不提供預期機率，數字變化本身也不能證明品質改善。
自訂編輯器沒有展示官方獨立的 Choice confidence 欄位，不應把其中一則機率長條重新稱為信心程度。
留意確定但錯誤的判斷
試一則提到所有主題、卻沒有回答問題的回覆，再檢查一則換了表達方式但回答清楚的回覆。集中的分布仍可能來自錯誤理解、問題設計不當或上下文不足。即使數值很確定，也要檢查失敗樣本。
用證據選擇門檻
自動執行前，收集有代表性的例子，在不參考模型結果的情況下獨立標註。分別記錄錯誤放行和不必要轉人工，再根據兩類錯誤的代價選擇門檻，並在未參與規則調整的樣本上驗證。本教學不推薦通用門檻。
繼續體驗回覆完整性方案。網站功能檢查和個別即時結果不能證明校準水平或整體準確率。
來源與延伸閱讀
本指南以官方文件及附有連結的社群回報為依據。社群觀察均註明原作者。
我們如何查核來源可編輯的起點載入這個範本