一个RAG问答系统最容易得到的夸奖是:“它回答得挺像那么回事。

”所以RAG测试不能只给最终回答打分。可为每类系统专门准备“不可回答集”:不存在的制度、被删除的产品、需要人工审批的问题、未经授权的信息。RAG的权限问题不能只测检索接口;要一直测到最终生成文本,确保引用、摘要、工具补充信息都不越界。真正可用的RAG,不怕被追问用户追问“这个标准适用于出差到上海吗”“那如果没有发票呢”,系统仍能解释依据、说明边界,才算真的能够进入业务流程。对测试工程师而言,RAG测试的吸引力就在这里:你不只验证一个模型输出,而是在验证数据、检索、权限、生成与用户信任组成的一整条链路。这就是一段非常有含金量的AI测试项目经历。