# Evaluation rubric regression（标定与回归）

用于在调整 `rubrics/*.py` 或 `judge_schemas.py` 后，做一次**低成本**回归，避免因 prompt/schema 改动引入静默破坏。

## 自动化（不调用 LLM）

```bash
cd api && uv run pytest tests/test_judge_schemas.py tests/test_eval_composite.py -q
```

- `test_judge_schemas.py`：细项上限与 `total_score` 算術一致性。
- `test_eval_composite.py`：合成分在「仅对话 / 仅回忆录 / 双侧缺失」时的语义。

## 定性标定集

见同目录 `fixtures.json`：描述若干**微型 transcript / 成稿片段**与**预期倾向**（区间或关键词），不绑定具体模型版本。

变更 rubric 后建议：

1. 跑通上述 pytest。
2. 任选 1～2 条 fixture，用内网评测或 `EvalJudgeManualService` 对 GLM-5 跑一次人工 spot-check，对照 `expected_band` / `must_flag_issues` 是否仍合理。

## rubric 版本

`fixtures.json` 内 `rubric_id` 与代码中 `conversation_v1` / `memoir_v1` 对齐；大改 rubric 时请同步更新 `fixtures.json` 的说明与期望。