| Chất lượng câu trả lời / đầu ra | Dùng ví dụ được nghiệp vụ phê duyệt và phân biệt đầu ra đúng, sai, thiếu căn cứ và cần từ chối. | Đạt threshold theo từng metric trong SOW, đồng thời công bố cỡ mẫu và giới hạn đã biết. |
|---|
| Hoàn thành tác vụ | Kiểm thử quy trình end-to-end và xác minh tác động như ticket, record, approval hoặc notification. | Tác vụ hoàn thành với trạng thái mong đợi cho từng fixture đã thống nhất. |
|---|
| Độ trễ | Đo p50/p95 trên đường quan trọng dưới load profile được nêu, không dựa vào một request. | Nằm trong mục tiêu theo từng đường và ghi lại hành vi timeout. |
|---|
| Unit economics | Quy đổi model/API và chi phí biến đổi thành THB trên mỗi tác vụ thành công rồi mô hình hóa lưu lượng dự kiến. | Chi phí mỗi tác vụ thành công dưới trần được duyệt và có cảnh báo ngân sách/usage. |
|---|
| Đường lỗi | Mô phỏng input xấu, thiếu dữ liệu, rate limit, timeout, tool/API lỗi và retrieval không có bằng chứng. | Fail safely, không lặp/sai hành động và chuyển cho người hoặc retry theo policy đã thống nhất. |
|---|
| Kiểm tra của con người | Đo công việc cần review, sửa, từ chối hoặc escalation theo nhóm rủi ro. | Tỷ lệ review và lỗi sau review nằm trong threshold, với owner của queue rõ ràng. |
|---|
| Rollback | Hoàn tác model/prompt/config/release hoặc tắt tự động hóa và quay về đường thủ công. | Runbook hoạt động, dữ liệu quan trọng được giữ và quyền quyết định rollback được ghi nhận. |
|---|