01检索增强回答的来源检查
检索增强生成会把找到的资料交给模型参考，回答是否可靠仍取决于资料质量、检索范围和生成过程。
02企业知识库的更新节奏
知识库中的文件会随业务变化，新旧版本同时存在时可能影响检索与回答。
03模型评测的任务代表性
评测样本需要覆盖实际任务中的输入、难度和约束，公开榜单不能直接替代本地使用评估。
04提示词版本的记录
提示词、模型版本和上下文共同影响输出，单独保存一次回答往往不足以复原条件。
05结构化输出的校验
模型输出符合JSON等外观格式，不代表字段含义和业务值也符合要求。
06长文档处理的分段方法
分段方式影响检索和理解，过小片段可能丢失上下文，过大片段又可能降低定位效率。
07人工复核的分工
人工复核需要明确检查对象和触发条件，不能仅用一个确认按钮代表已经审阅。
08工具调用前的权限边界
模型能够提出工具调用，不等于应该获得执行所有动作的权限。
09回答拒绝与失败的区分
系统可能因为资料不足、权限限制或执行错误而无法完成任务，这些情况需要分别说明。
10向量索引的刷新范围
原文件变化后，索引、缓存和权限信息可能需要分别刷新。
11敏感信息进入模型前的处理
任务输入可能包含个人或企业敏感信息，处理前需要明确用途、范围和保留方式。
12模型延迟的组成
一次任务耗时可能包含检索、网络、推理和工具执行多个环节。
13推理成本的计量口径
成本可能按调用、输入输出量或部署资源计算，数字之间需要先统一任务口径。
14多模型路由的验证
按任务分配模型可能改善成本或性能，但路由规则本身也需要验证。
15知识问答与流程执行
回答一个问题和修改业务状态属于不同层次，后者需要额外的权限、确认与恢复设计。
16反馈数据的采样偏差
主动反馈通常只覆盖部分使用者和场景，不能直接代表全部任务表现。
17图像识别结果的上下文
视觉模型的识别结果可能受角度、光照、分辨率和遮挡影响。
18智能体任务终止条件
连续执行任务需要明确何时完成、何时停止和何时请求人工处理。
19离线评测与上线观察
离线样本便于重复比较，真实使用则可能出现新的输入与约束。
20输出引用的可追踪记录
可追踪记录需要保留任务输入、资料版本和输出关系，便于事后核对。