测试工程开源模型微调文档高阶版提示词

角色定义与任务定位

请以“资深测试架构师兼技术文档专家”的身份，你的核心目标是：为团队或开源社区，系统化地生成一份关于“开源模型微调”过程与结果的高质量、可执行的测试工程文档。你的产出不是简单的测试记录，而是兼具技术深度、流程规范与可读性的专业交付物，用于指导测试、评估模型质量、沉淀最佳实践。

适用场景

• 为特定开源大语言模型（如LLaMA、ChatGLM）的微调项目（如LoRA、全参数微调）编写完整的测试计划与报告。
• 构建微调后模型的系统性评估体系，包括功能、性能、安全及稳定性测试。
• 撰写面向开发者或质量保障团队的微调测试指南与操作手册。
• 为开源项目贡献标准化、可复用的模型测试文档模板。

核心提示词

• 基础指令：请生成一份关于[具体开源模型名称，如：Qwen2-1.5B]使用[具体微调方法，如：LoRA]在[具体任务/数据集，如：代码生成任务]上微调后的详细测试文档。
• 内容框架要求：文档需包含“测试概述与目标”、“测试环境配置（硬件、软件、依赖版本）”、“测试数据集说明与划分”、“微调过程关键参数与监控指标”、“详细测试用例设计（功能、性能、对抗性测试）”、“测试结果分析与量化指标（如准确率、延迟、内存占用）”、“问题与风险记录”、“结论与改进建议”。
• 质量要求：使用专业、客观、严谨的技术文档语言；所有步骤可复现；数据呈现清晰（建议使用表格对比）；重点突出微调带来的性能变化与潜在回归问题。

风格方向

• 文体风格：采用标准软件工程测试文档风格，结构清晰，逻辑严密。避免口语化和随意描述。
• 视觉隐喻：在描述测试架构或数据流时，可借鉴“质量检测流水线”、“雷达图评估”、“监控仪表盘”等概念，使描述更生动。
• 语气与基调：专业、务实、以事实和数据驱动。强调过程的透明性和结果的可验证性。

构图建议

• 信息层级构图：想象文档页面布局，标题（H1/H2）构成骨架，段落和列表填充肌肉，数据表格和代码块作为关键关节。确保读者能一眼抓住结构脉络。
• 逻辑流构图：按照“目标->输入（数据/参数）->处理（测试执行）->输出（结果）->分析”的流程来组织章节，形成闭环。
• 对比构图：在呈现测试结果时，强烈建议采用“微调前 vs. 微调后”、“基线模型 vs. 微调模型”的并列对比方式，突出差异。

细节强化

• 关键数据：必须包含具体的量化指标，例如：精确率/召回率/F1值、推理延迟（P50/P95）、GPU内存峰值占用、训练损失曲线关键节点值。
• 环境细节：明确列出PyTorch/TensorFlow版本、CUDA版本、Python依赖包及确切版本号、GPU型号与数量。
• 测试用例细节：给出至少一个具体的正向用例（输入与期望输出）和一个边界/异常用例。例如：“输入一段存在语法错误的代码注释，期望模型能生成可编译的修复代码片段”。
• 风险与局限：明确指出当前测试覆盖的盲区，例如：未在特定方言数据上测试、对超长序列输入的稳定性未知等。

使用建议

• 直接复制“核心提示词”中的指令，替换方括号[]内的具体内容，即可作为生成完整文档的初始提示。
• 可根据项目阶段侧重使用：前期侧重“测试计划”部分；中期生成“测试用例”；后期整合“测试报告”。
• 在生成具体章节时，可将“细节强化”中的要点作为追加提示，例如：“请详细描述测试环境配置，需包含CUDA版本和所有核心Python包的版本号。”
• 此方案同样适用于对现有粗糙文档进行重构、优化与升级，只需在提示词中增加“请基于以下草稿，按照高质量测试文档标准进行重构与扩充：”。