RAG-02 · GEval 0.70 · 未明确声明最新政策版本
拒绝 V2 发布客服 Agent V2.1
完整回归通过基于已拒绝的 V2 创建 · 测试集 v0.1 · 纯演示快照
演示审计快照
V2 阻断 → V2.1 定向修复
RAG-02 · GEval 1.00 · P0 硬门槛通过
解除单案例阻断解除依据
原始 P0 失败已定向修复；GEval 1.00，确定性政策门禁通过。解除 RAG-02 单案例阻断，剩余 6 条关联案例和 40 条全量回归仍待执行。
修复内容
V2 → V2.1 变更
新增政策生效状态与版本时间过滤，只允许当前有效知识进入生成上下文。
status = active · effective_at ≤ query_time检索结果冲突时采用最新有效版本；无法判定时停止作答并转人工，不得混合两个时效。
conflict → latest valid policy / handoff回归范围
RAG 失败集与关联案例
RAG-02新旧退款政策冲突P0通过 · 1.00
RAG-01知识库没有产地信息P1等待
RAG-03相近检索结果不支持结论P1等待
RAG-04无法保证精确送达时间P1等待
RAG-05定制商品退货边界P1等待
RAG-06未标价保不得补差价P1等待
RAG-07积分到期日不可猜测P2等待
全量演示结果
DeepEval 任务正确性与发布门禁
平均 GEval0.90案例门槛 ≥ 0.70
P0 通过11 / 11硬门槛
失败案例0需修复后复测
结果来源合成快照无 API 调用