工作流哪里变了
fm CLI、Python SDK、prompt evaluation 和 automation 说明，应用内模型不会只靠设计师手感调试，也需要工程化评估。
小团队如果要长期维护 AI 功能，就需要把典型输入、期望输出、失败样例和性能指标变成可重复检查。
工具名不是结果
这条信号的价值在于拆清搜索意图、证据和转化动作，而不是再增加一个流量技巧。
先核对权限和失败
- 建立 20 条典型输入样例，每次改 prompt 或工具调用前后都跑一遍，记录失败类型
- 先选一个重点页面验证主题、来源、内链和转化动作，不要把信号提前包装成完整内容战略
哪些还要核验
没有评估集的 AI 功能会越改越像玄学，后续也难解释质量波动。原始来源保留在文末，方便把公告事实、证据和本站判断分开看。