纳米AI自建智能体需通过三类不可见知识（内部计算口径、人工判断边界、私有工具映射）验证其真实执行能力，测试须规避明示提示，采用时间戳锚定法和数值陷阱法构造“明知故问”问题，并分步核查工具调用、参数填充与溯源标记。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要验证纳米AI自建智能体是否真能按私有规则执行任务，不能只问它“库存周转率怎么算”，得让它在完全不知情的前提下，触发你埋好的内部阈值、换算表或行业潜规则——这些信息不写进提示词，也不出现在训练数据里，只存在于你的测试用例设计中。
先锁定“不可见知识”的三类载体
纳米AI模型参数小、上下文窄，对隐性规则更敏感，也更容易暴露“猜答案”倾向。必须从源头控制测试问题的知识来源：一是公司内部文档未公开的计算口径（如“缺价零件按邻近3天均价补”），二是人工经验形成的判断边界（如“客户投诉语义强度＞0.85才触发升级流程”），三是工具调用时被硬编码的私有映射（如API返回code=701对应“需人工复核”而非标准HTTP状态码）。这三类知识，【必须脱离模型训练语料且不通过system prompt明示】，否则测试失效。
把它们分别整理成独立表格，每张表只保留字段名+取值逻辑+验证方式，不带任何解释性文字。例如“价格补全规则表”只列三列：零件ID｜补全方式｜预期输出值。
构造“明知故问”型测试问题
方法一：时间戳锚定法
在问题中嵌入一个你控制的、AI无法推断的时间点，比如“请计算2026年9月14日10:03:22至10:07:15之间的库存周转率”。这个时间段恰好对应你内部规定的“开盘前缓冲期”，而该规则从未出现在任何公开资料或训练数据中。AI若答出结果，必须调用了你预设的私有换算逻辑，否则只能编造或报错。
方法二：数值陷阱法
给出一组看似可计算但实际缺失关键参数的数据：“某零件过去7天价格为[21.5, 22.1, null, 23.0, 22.8, null, 23.3]，请输出补全后的完整序列”。null位置不标注原因，也不提示补全规则——AI若直接填0或跳过，说明它没触发你配置的“邻近均价补全工具”；若填出22.45和22.92，则证明它正确调用了私有规则表。
纳米AI是一款基于人工智能大模型技术开发的智能应用工具，主要用于提供AI问答、内容生成、信息整理与智能搜索辅助等功能。用户可通过自然语言交互方式获取结构化信息与文本内容，用于学习、办公及内容创作等多种场景。
【注意：所有问题中禁止出现“按公司规定”“根据内部标准”等提示性短语，否则等于告诉AI这里有隐藏规则】
分步验证响应链路
第一步：检查工具调用日志
确认智能体是否调用了你预埋的私有工具（如price_filler_v2），而不是通用计算器或搜索插件。若调用工具名错误，说明意图识别失败，问题设计需增加歧义隔离。
第二步：比对参数填充内容
打开该次调用的入参JSON，重点看“fallback_rule_id”字段是否为预设值（如“RULE-INV-0914”）。如果为空或随机字符串，说明记忆模块未将问题中的时间锚点映射到规则ID，需检查RAG检索的chunk粒度是否过大。
第三步：核验最终输出结构
不只看数字对不对，还要检查输出是否携带你要求的溯源标记，例如“补全依据：RULE-INV-0914｜原始数据缺失索引：[2,5]”。没有标记即视为未走完验证闭环，哪怕数值碰巧正确也不计分。
