规则校验适合明确条件，例如 JSON 格式、SQL 是否只读、订单状态、引用 ID 和文件是否存在。结果稳定，但无法覆盖所有语义质量。 模型评分适合相关性、完整性、证据支持等需要理解文本的维度。评分提示应有清楚的标准和例子，尽量隐藏候选版本身份，减少长度、顺序和措辞带来的偏差。 人工评审适合规则不清、争议大或影响较高的案例，也用于检查自动评分是否可靠。先让多人评同一批样本，讨论分歧，统一标准。  用人工标注样本衡量模型评分的误判和漏判，定期抽查，并固定评分器版本。不能只看一个总分；格式合格、事实正确、操作安全等维度应分别判断。