---
type: project
status: active
---

# 04 · 失败复盘

> 失败分类的权威定义见 [[02-Why-Guide]] 第 7 步（简化五类）与 [[01-LLM-Evaluation-Roadmap]] 第八节（系统级扩展分类）；严重度 S0-S4 见路线图第十节。

## 失败分类（对应工作表第 5 节）

| Case | 失败类型 | 证据 | 我准备先检查什么 |
|---|---|---|---|
|  | 无依据事实 / 漏限制 / 不当确定 / 格式 / 规则不确定 |  | prompt / 文档 / rubric / grader |

> 第一版只用 4-5 个类型即可。分类的目的不是"全面"，而是找到下一次唯一值得改的地方。

## 根因三步定位（RAG 示例）

1. run 里的实际 context 是否包含 expected 中的 gold context？没有 → **检索错误**
2. 把 gold context 直接给模型重跑：答对 → 检索/拼装问题；仍错 → **模型推理 / 生成错误**
3. 并排人工复核输出 / expected / grader：人工认为可接受但 grader 判失败 → **grader 错误**（记录 grader 版本与提示词）

> 不要凭直觉归因，一次失败先走完三步，通常不超过 10 分钟。

## 严重度标注

| Case | 严重度（S0-S4） | 理由 | 发布策略 |
|---|---|---|---|
|  |  |  | 见路线图第十节 |

## 一句话复盘（每批至少一条）

- 本周最常见的失败类型是：…… 下一步唯一值得改的地方是：……

---

返回 [[01_Projects/Personal-Tech/LLM_Evaluation/03-Practice/README|项目实践入口]]。