更换 Gemini 模型前，怎样重跑已有文档提取的黄金样本

更换 Gemini 模型前，应重跑已有文档提取的黄金样本，比较业务字段与失败类型。目标是决定现有流程是否能切换，不是给所有模型排座次。样本、期望结果和发布门槛要先固定，不能看过新结果再临时改标准。

黄金样本包含什么

一份样本由原文件、文件摘要、问题或提取合同、人工期望与来源定位组成。选择真实业务允许使用的脱敏样本，或者明确的合成文档，覆盖正常表格、空值、单位、跨页、扫描模糊和无答案。高影响字段单独标识，不能让大量低风险文字字段稀释金额错误。

样本	关键边界	人工期望	判定方式
T01	表头万元	1.20→12000元	精确数值与单位
T02	缺失日期	null且说明缺失	不编造
T03	跨页表	行数与来源一致	数量及逐行定位
T04	模糊小字	待核而非猜值	状态检查
T05	文档无答案	明确无法确定	证据核查

黄金样本不意味着永远不变。发现新线上失败后可加入，但修改样本集版本，保留旧版，避免历史通过率无法比较。

一次只换模型配置

旧新两侧使用相同文件、提示、输出 Schema、解析器和业务断言。记录模型实际请求标识、SDK 版本、采样配置和运行时间。平台支持范围不同造成无法等价发送时，明确列差异，不把“不支持某参数”藏进默认行为。

先用合成响应验证比较程序本身，再做预算内真实调用。本文没有实际调用新旧模型，矩阵是待执行方案。输出目录按运行编号组织，保存原始脱敏响应、解析结果与校验报告，不覆盖上一轮。

字段比较需要各自的规则

编号逐字比较，金额在确认单位后用十进制比较，日期带时区比较，正文摘要按关键事实核对。不能把所有值转字符串后做全文一致判断，也不能允许任意语义相似就把编号错一位算通过。来源字段需要检查实际页码和引文，结构合法不能替代证据有效。

对每个差异标明旧版是否正确、新版是否正确。旧新不同不一定是退步，旧版也可能错；旧新相同也可能共同错误。人工真值是参照，而不是旧模型输出。确实无法确定的样本保留为待核，不强行归类。

发布门槛和回退材料一起准备

示例门槛可以是关键金额、币种与编号零错误，无答案样本不编造，非关键字段通过率不低于基线约定范围。具体阈值取决于业务，不能照抄为行业标准。若发现关键回归，先缩小原因或保留旧模型，不用平均分上涨掩盖。

回退需要旧模型配置、提示版本、解析代码和旧结果快照，不能只记一个模型昵称。上线后对真实分布继续抽查，因为固定样本无法覆盖所有文档。逐次记录失败类型，有助于判断是模型切换、输入质量还是应用适配引起变化。

常见问题

旧版输出能直接当真值吗？ 不应，先人工核对并附来源。

所有字段都要完全一致吗？ 标识符和关键数值通常严格，描述文本可按事实判据验收。

小样本全通过能保证线上无误吗？ 不能，它只支持受测样本范围，应继续监测实际输入。

继续处理相关问题

相关入口：Gemini 接入基础。

官方依据与核对日期

核对日：2026-10-23。Gemini 文档处理：PDF 理解需要结合输入质量与具体能力核对；Gemini 应用校验：官方要求应用验证值，结构合规不等于语义正确。文中的流程、阈值和合成数据属于工程示例，不能代替当前账号、文件或运行环境的验收。