# Gemini 3.8 Flash 实测：POC 验收标准：指标没阈值时先写待确认

虚构业务样本，真实 apizt API 调用。只跑低成本文字模型，不跑视频。

## 操作

1. 先保留需求原句，分出指标、阈值、样本量和单位。
2. 运行后PC2才是可测试项；其余列出需要客户确认的性能口径，不拿行业常识补SLA。
3. 导出poc-acceptance.csv，经双方确认再执行测试。本篇验证的是验收表生成，不是压力测试。

## 复核已保存的结果（不花API费用）

```bash
python3 run.py
```

## 换成自己的资料再运行

先备份文件，修改case.json里的input（input.json是本次输入快照，不是脚本读取入口）。用--new-output创建全新的结果目录；它不会复制旧响应和人工审校记录。再运行：

```bash
python3 run.py --run --new-output ./my-run
```

按提示输入自己的apizt Key，输入不回显也不写入文件；也可使用tokenba_API_KEY环境变量。默认使用case.json指定的低成本文本模型（未指定时qwen3.8-flash）、1536输出tokens上限、45秒超时、0次自动重试。API按实际用量计费。不要直接运行不信任的代码，先阅读run.py。修改输入后，需要同步调整本例特定的expected与校验规则；旧断言不能证明新样本正确。

## 交付文件

- export.csv：经合同检查后的本地交付稿
- actual-result.json / response.json：原始模型结果及完整响应
- reviewed-result.json / human-review.json（如有）：显式审校与改动理由
- validation.json / local-result.json：程序检查与本地计算
- report-input.html / report-result.html：可离线查看的实测报告
- receipt.json：HTTP、usage、耗时和SHA-256；没有报价时不猜成本

## 实测边界

在线人数、并发请求和吞吐量不是同一指标。缺阈值时不能报告POC已通过。

只校验本例合同、编号、指定事实与格式；不证明业务事实在现实世界成立。

## 参考

- Microsoft groundedness 评估说明：https://learn.microsoft.com/en-gb/azure/ai-services/content-safety/concepts/groundedness
- Gemini 3.8 Flash 官方模型说明：https://aistudio.google.com/docs/models/gemini-3.8-flash