先写答案再跑模型，这顺序为什么关键？同一批单子换个开场白，AI 预测就变脸：有人搭了个测试台把锅揪出来

大白话场景很日常：销售团队让 AI 写周会预测备忘，把每笔单子分进「必成」「有望」「管道」三档。销售负责人随口要求「先讲覆盖率」或「先讲上季度掉链子」，AI 写出来的备忘就不一样了。问题是，分类结果会不会也跟着变？如果会，那「必成金额」里就掺了写作角度的水分，而看备忘的人根本察觉不到。作者的做法是：先造 40 笔虚构单子、先写死标准答案，再让模型用固定工具结构交卷，最后用打分器把「角度造成的差异」和「模型每次自己抖一下」分开。

对你意味着做 AI 智能体评测、或者正把 AI 塞进业务流程的人值得看：它给了一套能直接抄的对照实验骨架，提醒你别把模型的随机抖动当成业务信号。