精加工 Refine：AI评分迭代

解决的核心问题

在AI辅助开发中，生成的代码或文档常面临质量波动：功能可能缺失、逻辑存在漏洞，或格式混乱难以阅读。传统流程依赖人工检查，效率低且标准不一。Re:fin e 通过自动评分与迭代，将质量控制转化为可量化的流程，避免"能用但不够好"的交付陷阱。

工作原理与关键步骤

1. 多维度质量评估

- 完整性（30分）：覆盖需求、无关键遗漏
- 准确性（30分）：代码/逻辑正确，信息无误
- 可读性（20分）：格式规范，结构清晰
- 实用性（20分）：可直接使用，含示例与说明
每个维度按1-3档评分（如0-10/11-20/21-30），总分≥90才交付。

1. 迭代优化机制

- 初始生成→评分→针对低分项优化（如补充缺失功能、修正错误、增加注释）
- 重复评分-优化循环，直到达到90分或触发迭代上限（默认5次，超时5分钟强制交付）
- 输出质量报告，包含各维度得分、迭代次数及改进建议

1. 交付标准与内容

- 必须满足：评分≥90、覆盖需求、正确性验证、格式规范、含使用说明
- 交付物：最终结果、质量报告、迭代记录、可选改进建议

适用边界与注意点

• 适用场景：代码生成（如登录功能）、API文档编写、方案设计等需高可靠性的任务
• 避免过度优化：90分已满足多数需求，追求100分可能导致时间浪费
• 评估客观性：评分需基于事实（如代码是否通过测试），而非主观感受
• 复杂度适配：简单任务可能1-2次迭代达标，复杂任务需调整最大迭代次数
• 可配置性：支持自定义评分标准，适应不同任务类型（如文档需侧重可读性，代码需侧重准确性）