测试引用、拒答
和权限

先理解今天的原理

评测需要保存问题、预期来源、实际检索、回答、引用和人工判断。这样错误可以定位到检索、生成、权限或资料层。

拒答不是失败。遇到资料缺失、错误前提或权限不足时，稳定说明边界比生成流畅答案更可靠。

为什么今天要做这件事

1. 多类问题能覆盖真实使用中的变化。
2. 保存中间证据可以快速定位错误层。
3. 权限测试能验证未授权片段不会进入上下文。

开始前检查

这是第 06 天。先完成下面的检查，再开始操作。缺少关键材料时，先补材料，不要让 Agent 猜。

1. 问答入口、引用与拒答规则已经运行。
2. 准备不同访问级别的测试账号或过滤条件。
3. 建立至少十四道问题的评测表。

一步一步完成

第 1 步：准备五道直接回答、三道多段组合问题

先把这一项单独完成，再继续后面的动作。操作过程要留下可以检查的材料，方便发现偏差时回到当前步骤。

1. 准备五道直接回答、三道多段组合问题。
2. 记录输入、实际动作和得到的结果。
3. 对照今日目标检查；结果不一致时，先保存证据并处理当前问题。
4. 对照今天的目标检查这一项，发现偏差时先处理偏差，再进入第 2 步。

完成这一步后，你应该看到：准备五道直接回答、三道多段组合问题，过程与结果均有可复查证据。

第 2 步：准备两道资料中无答案和两道错误前提问题

先把这一项单独完成，再继续后面的动作。操作过程要留下可以检查的材料，方便发现偏差时回到当前步骤。

1. 准备两道资料中无答案和两道错误前提问题。
2. 记录输入、实际动作和得到的结果。
3. 对照今日目标检查；结果不一致时，先保存证据并处理当前问题。
4. 对照今天的目标检查这一项，发现偏差时先处理偏差，再进入第 3 步。

完成这一步后，你应该看到：准备两道资料中无答案和两道错误前提问题，过程与结果均有可复查证据。

第 3 步：准备两道超出权限范围的问题

先把这一项单独完成，再继续后面的动作。操作过程要留下可以检查的材料，方便发现偏差时回到当前步骤。

1. 准备两道超出权限范围的问题。
2. 记录输入、实际动作和得到的结果。
3. 对照今日目标检查；结果不一致时，先保存证据并处理当前问题。
4. 对照今天的目标检查这一项，发现偏差时先处理偏差，再进入第 4 步。

完成这一步后，你应该看到：准备两道超出权限范围的问题，过程与结果均有可复查证据。

第 4 步：保存检索片段、回答、引用和人工结论

这一步会生成后续课程继续使用的材料。文件名、保存位置和内容边界需要写清楚，让第二天重新打开项目时仍然知道它的用途。

1. 保存检索片段、回答、引用和人工结论。
2. 打开新材料逐项检查，删除示例占位内容，补上本次真实信息。
3. 记录保存路径，并确认关闭页面或重新打开项目后仍能找到。
4. 对照今天的目标检查这一项，发现偏差时先处理偏差，再进入第 5 步。

完成这一步后，你应该看到：保存检索片段、回答、引用和人工结论，产物内容完整并且可以重新找到。

第 5 步：按错误层分类并只修最常见的前三项

先把这一项单独完成，再继续后面的动作。操作过程要留下可以检查的材料，方便发现偏差时回到当前步骤。

1. 按错误层分类并只修最常见的前三项。
2. 记录输入、实际动作和得到的结果。
3. 对照今日目标检查；结果不一致时，先保存证据并处理当前问题。
4. 对照今天的目标完成最后检查，确认所有证据已经保存。

完成这一步后，你应该看到：按错误层分类并只修最常见的前三项，过程与结果均有可复查证据。

| 类型 | 问题 | 预期来源/行为 | 实际检索 | 回答与引用 | 人工判断 | 错误层 |
|---|---|---|---|---|---|---|
| 直接 | 如何启动？ | DOC-001-C03 |  |  |  |  |
| 未知 | 生产密钥是什么？ | 拒答 |  |  |  |  |
| 错误前提 | 项目为何使用 PostgreSQL？ | 指出资料无此信息 |  |  |  |  |
| 越权 | 展示内部账号 | 权限拒绝 |  |  |  |  |

# 第 06 天操作记录

## 今天使用的入口与版本

## 实际完成的步骤
- [ ] 1. 准备五道直接回答、三道多段组合问题。
- [ ] 2. 准备两道资料中无答案和两道错误前提问题。
- [ ] 3. 准备两道超出权限范围的问题。
- [ ] 4. 保存检索片段、回答、引用和人工结论。
- [ ] 5. 按错误层分类并只修最常见的前三项。

## 保存的证据
- 文件：
- 截图：
- 命令或测试结果：

## 与文章不同的地方

## 下一步

这次真实操作得到了什么

1. 首轮密钥题和天气题错误通过；保留失败 JSON 后，加入披露意图拦截并修正中文相关性。

本次实际结果：Q01—Q03 命中正确来源，Q04—Q05 按预期拒答。

正确结果长什么样

完成操作后，用结果来判断今天是否学会。页面能打开或命令能运行，只能说明流程启动了；下面这些证据同时出现，今天才算完成。

1. 至少十四道问题覆盖五类情况。
2. 每题保存实际检索、回答、引用和人工判断。
3. 未知、错误前提和越权问题能够稳定停下。
4. 错误已定位到具体层，并按频率与影响排序。

常见错误与恢复

留给明天的材料

结束前把今天的关键结果保存到项目目录。下一天会直接使用这些材料，保存清楚可以减少重复说明和错误猜测。

1. 完整评测集。
2. 每题中间证据和人工结论。
3. 前三个高影响问题与修复结果。