这一轮Yi-Large移动端众测公文写作实测实测，翻车了吗
盲评、复测、原始记录，三样都齐。
这篇按评测的顺序写：结论、方法、数据、短板、适配。
下面这些，都是亲手测过才敢写。
评测维度速查表
五个维度各自测什么。
| 维度 | 测什么 | 怎么测 | 权重参考 |
|---|---|---|---|
| 质量 | 回答正确与可用 | 盲评打分 | 40% |
| 速度 | 响应与首字延迟 | 计时取中位数 | 20% |
| 成本 | 单价与额度 | 账单折算 | 25% |
| 稳定 | 高峰与长跑表现 | 连续七日记录 | 10% |
| 生态 | 接口与联动 | 功能清单核对 | 5% |
01它做不到什么
有个细节：免费档用满再下结论的时候测，成绩稳定得多。短板集中在两处，都有复现步骤。
实测中意外的是：很多人卡在选型不再凭感觉，说到底差的就是一轮复测。样本量写清楚，十道题的结论撑不起「完胜」。
换个角度看：现在回看，免费档没摸到上限几乎是必然的。测速脚本开源出来，接受同样的审视。
最有用的一条：允许结论被推翻。把反对意见原样贴出来，比一致好评有用。
这事没捷径，只有不跳步。让没用过的人参与盲评，老手会被经验污染。先拿免费档试一周，再回来对答案。
02测试的边界
测试有边界：版本、时间、样本量都圈死了结论的适用范围。
对照记录看：响应速度单独测，别和正确率混在一个分里。数据磁盘单独留档，报告不妨改，数据不能改。
有个细节：免费档用满再下结论的时候测，成绩稳定得多。对比对象选同档热门，别拿小厂刷战绩。
把复测排在免费档用满再下结论后面，成了每季度的固定动作。评测报告里最值钱的是失败记录。
对照记录看：当时随手存的原始输出，后来成了唯一的证据。长期订阅前，先看它最近两季的更新日志。
一轮评测的工时构成
03读者问答复盘
整理了后台最常被问的八个问题，一次答完。
把样本拉大后：连续测七天，稳定性自己会现形。每组测试至少三遍，取中位数，抖动大就重测。
值得单独说明：第二季度复测，快了一倍，因为题库是现成的。评测报告里最值钱的是失败记录。
换个角度看：很多人卡在选型不再凭感觉，说到底差的就是一轮复测。把「适合谁」写具体到岗位，别写「进阶用户」。
追问下去：测试环境写进附录，是可复现的最低要求。官方榜单只当索引，不当证据。先拿免费档试一周，再回来对答案。
04怎么测的
后来把题量压到「谁都能测完」的规模，反而坚持下来了。题目一半来自真实任务，一半来自公开基准，互相校验。
把样本拉大后：有个细节：免费档用满再下结论的时候测，成绩稳定得多。响应速度单独测，别和正确率混在一个分里。
这事没捷径，只有不跳步。给每个数字标上时间戳，三个月后还能对账。
换个角度看：第二季度复测，快了一倍，因为题库是现成的。每组测试至少三遍，取中位数，抖动大就重测。
05对决结果
多花了一杯咖啡的时间核对来源，省下了一次翻车。对手选的是同档最热的三款，输了不冤赢了不虚。
补充一组数据：实测记录的本子旁的测试做完之后，整份报告都顺了。众测样本要覆盖三种以上岗位，技术岗扎堆会失真。
复测时发现：把报告拆两半发，中途设了个勘误窗口。只测一遍就下结论，等于没测。
实测中意外的是：深夜批处理和白天交互，测出来的延迟是两回事。引用别人的数据必须标来源和测试条件。
追问下去：把反对意见原样贴出来，比一致好评有用。客服响应也算进总分，售后是产品的一部分。
06复评预告
多花了一杯咖啡的时间核对来源，省下了一次翻车。评测是长跑，这篇只是其中一个刻度。
口径统一后：响应速度单独测，别和正确率混在一个分里。结论先行不是抢跑，是对读者时间的基本尊重。
这事没捷径，只有不跳步。引用别人的数据必须标来源和测试条件。
复测时发现：当时随手存的原始输出，后来成了唯一的证据。分数保留一位小数就够了，假精度没有意义。
复测时发现：结论与口碑冲突时，两头都重查一遍。给每篇评测定一个复核日期，到期强制回看。这篇先到这，有新版本随时回来改。
- 折算会员 按用量算单价
- 分组出题 中文专项分五组
- 用满额度 上限亲手摸到
- 三段计时 早中晚各一轮
07人群画像
那一个月只加了一个习惯：先亮方法再亮结论。没有全能选手，只有匹配与否。
实测中意外的是：客服响应也算进总分，售后是产品的一部分。结论与口碑冲突时，两头都重查一遍。
实测中意外的是：没什么诀窍，就是每个数字都留了原始记录。样张统一去水印、统一尺寸再进对比表。
账单摊开算：对比对象选同档热门，别拿小厂刷战绩。对比对象选同档热门，别拿小厂刷战绩。判定给完了，复测的事我们季度见。
08数据与样张
失败的用例也放在这里，删掉它们就是造假。
多花了一杯咖啡的时间核对来源，省下了一次翻车。评测报告里最值钱的是失败记录。
对照记录看：那阵子选型不再凭感觉是整份报告里最硬的一条。复测用同一组题，别换题，否则不叫复测。
先说反例：现在回看，免费档没摸到上限几乎是必然的。评测期间不更新驱动不改配置，变量锁死。分数是死的，你的任务才是活的。
09直接说答案
先亮结论，不认同的不妨直接跳到方法那一节来挑刺。
口径统一后：当时手头只有切换清单，照样把整轮测试跑完了。把对手的优点也写出来，报告才立得住。
很多人卡在选型不再凭感觉，说到底差的就是一轮复测。只测一遍就下结论，等于没测。
盲评环节里：复测用同一组题，别换题，否则不叫复测。价格按测试当天折算，注明汇率与活动。
先跑一遍附录里的复现步骤，再决定信不信。
常被问到的
- Yi-Large高峰期会不会变慢？
- 会，全行业都会。早八到十点、晚八到十点实测最准，评测要专门挑高峰时段跑，闲时成绩没有参考价值。
- Yi-Large移动端众测公文写作实测企业接入前要做哪些评测？
- 四项：高峰稳定性、数据合规、成本单价、员工众测满意度。任何一项不过关，功能再强也要缓一缓。
- Yi-Large的隐私政策要注意什么？
- 三处：数据留存期限、是否用于训练、企业数据隔离。个人用户重点看第一处，企业用户三条都要落实。