Thử nghiệm với thanh tra và sân chơi

Kiểm tra thử nghiệm các thao tác cấu hình. Khu trò chuyện có thể thử nghiệm cách một mô hình chọn và kết hợp các công cụ. Những kiểm tra này trả lời các câu hỏi khác nhau và không nên coi là xem thử vô hại của một ghi trực tiếp.

Chuẩn bị dữ liệu thử nghiệm an toàn#

Dùng một ghi chép thử nghiệm đã đồng ý, tài khoản thử nghiệm chuyên dụng hoặc đầu vào hư cấu không thể gây ra một hành động kinh doanh không mong muốn. Xác định liệu công cụ đã chọn có đọc, viết, gửi hay tiêu. Một thử nghiệm quản trị có thể thực hiện thao tác thực tế.

Kiểm tra công cụ trực tiếp#

Mở thanh thử nghiệm của công cụ và nhập một đầu vào hợp lệ nhỏ. Kiểm tra tài khoản mục tiêu, kết quả HTTP, các trường trả về và kết quả MCP cuối cùng. Cũng thử nhập một giá trị cần thiết thiếu, giá trị không hợp lệ và kết quả rỗng khi cần thiết.

Đừng chia sẻ kết quả chẩn đoán thô mà không kiểm tra. Tiêu đề hoặc cơ thể yêu cầu chi tiết có thể tiết lộ bí mật hoặc ghi chép riêng tư ngay cả khi màn hình cấu hình bình thường che chúng. Dùng đường dẫn quản trị viên chấp thuận cho chẩn đoán.

Kiểm tra luồng công việc trò chuyện#

Nếu sân chơi đã được cấu hình, chọn kết nối mô hình được chấp thuận và chọn công cụ hẹp. Truy cập nhà cung cấp và sử dụng mô hình có thể có chi phí riêng và ảnh hưởng xử lý dữ liệu. Dùng tài khoản và ngân sách đã thỏa thuận; mở sân chơi không làm cho các cuộc gọi mô hình miễn phí.

Hỏi về cùng một nhiệm vụ chỉ đọc mà khách hàng sẽ sử dụng. Kiểm tra công cụ nào mà mô hình đã chọn, liệu các đối số của nó có đúng không và liệu nó có dựa vào câu trả lời trong bằng chứng được trả về không.

Lặp lại qua trình khách AI thực#

Một thử nghiệm quản trị có thể dùng các thông tin đăng nhập khác nhau từ một khách hàng sản xuất. Kết thúc với kết nối HTTPS công cộng được gán: xác thực, phát hiện các công cụ dự định và chạy các thao tác đã đồng ý. Thử nghiệm các thông tin đăng nhập thiếu/ sai và ranh giới tài khoản qua đường dẫn đó.

Đang chơi lại cuộc gọi#

Xử lý lặp lại như là một hành động khác. Đừng lặp lại một thông điệp, lệnh, công bố hay hành động xóa cho đến khi hiệu ứng và quyền của nó rõ ràng. Sau khi hết thời gian, kiểm tra trạng thái đích trước khi quyết định liệu một hành động khác có an toàn không.