AI应用测试方法（五）：多轮对话评测
前四篇已经覆盖了通用断言、评分机制、RAG 评测、Agent 评测，都是单轮或近单轮的评测形态。本篇聚焦最后一种主流应用形态，多轮对话。
共 4 篇文章
从新到旧
AI应用测试方法（四）：Agent 评测
本篇接着讲另一种主流的 LLM 应用形态（Agent 系统）的评测。
AI应用测试方法（三）：RAG 评测
本篇聚焦在一个具体的应用形态——RAG（Retrieval-Augmented Generation）系统上的评测。
AI应用测试方法（二）：评分机制的演进、偏差与陷阱
上一篇讲了 AI 测试中的断言系统，讨论的是要"判断什么"。这一篇聚焦评分机制（Scoring），来讨论如何保障"判断的准确性"。