附录 E：工程师配套实验代码

本目录是 B 轨的可复现实验包。五个实验都使用固定输入、仅使用 CPU、无需在线 API 或密钥；Python 3.11+ 标准库即可运行。每个文件公开两个稳定入口：run_experiment() 返回可序列化结果，evaluate(result) 返回包含 passed 与逐项 checks 的验收报告。

B 轨学习契约

前置条件

• 达到 A 轨验收标准或具备同等基础

• Python 3.11+

• 会在命令行运行 Python 文件

• 一台可进行 CPU 计算的电脑

可交付物

• 五份实验结果字典与自评记录

• 一份失败案例与排障记录

• 一份最小 AI 工作流设计

验收标准

• 能复现实验的固定输入与预期范围

• 能解释每项评估为何通过或失败

• 能在不使用在线 API 和密钥的情况下完成五个实验

• 能把评估结果映射回对应章节的核心概念

五个实验映射

实验	对应章节	必交结果	机器验收
01_ml_basics.py	第 4 章	线性回归指标报告	evaluate() 返回 passed=True
02_structured_output.py	第 12.2 节	三个结构化输出校验结果	evaluate() 返回 passed=True
03_dl_overfitting.py	第 5 章	训练/验证损失与早停点	evaluate() 返回 passed=True
04_rag_minimal.py	第 12.5 节	检索命中、上下文与回答	evaluate() 返回 passed=True
05_agent_evals.py	第 14 章	两个案例的智能体评估报告	evaluate() 返回 passed=True

固定输入、预期范围与排障

实验	固定输入	预期范围	常见失败与排障
01 线性回归	随机种子 42；100 条合成房价；80/20 拆分	斜率 4.5–5.5；RMSE 20–70；R² > 0.9	若结果变化，确认未改种子、样本数或拆分顺序
02 结构化输出	一个合法对象、一个多字段对象、一个破损 JSON	依次为 true / false / false	若多字段对象通过，检查是否仍拒绝额外字段
03 过拟合	随机种子 42；12 个带噪样本；4000 轮高容量拟合	最佳轮次 < 4000；最终验证损失高于最佳值	若没有反弹，检查噪声、学习率和验证集是否被改动
04 最小 RAG	固定本地语料与问题“RAG 和上下文工程有什么关系？”	首条命中含 RAG；上下文与回答均引用命中证据	若无命中，检查分词规则与语料是否仍包含 RAG
05 智能体评估	两个固定问题、答案和上下文	2 个案例；平均相关性 ≥ 0.8；一致性和忠实度均通过	若分数下降，检查输出是否引入上下文外内容

运行方式

在仓库根目录执行任一实验：

python3 labs/01_ml_basics.py
python3 labs/02_structured_output.py
python3 labs/03_dl_overfitting.py
python3 labs/04_rag_minimal.py
python3 labs/05_agent_evals.py

一次运行全部自动验收：

python3 -m unittest -v tests.test_labs

若脚本无法启动，先运行 python3 --version，确认版本为 3.11 或更高；再确认命令是在仓库根目录执行。实验不读取账号、网络或模型服务配置，因此不要把密钥写入代码或排障记录。

自评量表

每个实验按下列自评量表记 0–3 分，并附上一句证据：

• 0 分：脚本未运行，且没有可复现的错误记录。

• 1 分：能运行，但 evaluate() 未通过，已保存失败结果和排障假设。

• 2 分：evaluate() 通过，能复述输入、指标和预期范围。

• 3 分：在保持固定基线的前提下改变一个变量，能解释结果变化并恢复基线。

五个实验至少都达到 2 分，才算完成 B 轨实验验收。3 分探索必须另存记录，不得改写固定基线或放宽自动阈值。