如何用 Reddit 测试 AI 回答是否真正遵守了关键约束

提出一种利用 Reddit 公开帖子测试大语言模型答案质量的实用方法：选取三条关于同一实际任务的 Reddit 帖子，记录其中埋藏的约束条件（如"仅离线可用""无法安装软件"等），让模型根据帖子内容给出方案，然后将模型答案与预设的约束清单对照，将任何未满足的约束视为失败，无论表述多么有说服力。该方法可用于诊断不同提示词或模型版本的表现差异。