评测指标

背景： 我做了 3 年技术产品经理，最近半年团队密集做 LLM 应用（智能摘要、对话式搜索、工单自动分类）。每次上线前，业务方和研发对"算不算做好了"的理解完全对不齐——研发说"准确率 90% 了"，业务方说"用起来感觉没变好"，最后靠拍脑