第一周：定任务与抽样
把任务写成一句话，确定评测维度与可接受水平，同时启动抽样。任务定义与抽样可以并行，但都必须在周末前冻结，否则后续结果无法比较，也无法判断改进是否有效，事后复盘评优也没有依据，评审时也很难服人。
第二周：标注与搭原型并行
业务方标注样本的同时，工程侧搭最小链路。两条线在周末合流做第一次内部跑测，尽早暴露数据与接口问题，避免到盲测时才发现样本格式不对、字段缺失，返工往往就发生在盲测的那一天，问题能更早暴露。
第三周：盲测与归因
真实使用者按日常流程试用，记录错误类型与接管次数。盲测至少要覆盖一个完整的业务批次，避免只测几个顺手案例，得出偏乐观的结论，也便于估算人工工作量，样本也更贴近真实业务，结论也更有说服力。
第四周：报告与决策
出评测报告、剩余风险与下一步建议，开决策会。会上明确进入工程化、调整后再测或终止，并指定后续负责人，否则报告会停在传阅阶段，决策结果也应回写到场景优先级，负责人也知道该做什么，后续推进也有抓手。
压缩有边界
并行、缩场景、用现成模型都能压缩；但标注与盲测不能省，省掉就等于把验证换成演示。风险不会消失，只会后移到开发与上线阶段，因此排期时不要用演示速度做承诺，评审时也更站得住脚一些，整体风险也更可控。
适用与不适用
适合谁
- 希望在月度内拿到验证结论的团队
- 需要向立项会提交证据、说明验证过程的项目组
- 多个场景排队、要安排先后的企业，需统筹
不适合谁
- 要求一周内出结论、不接受标注排期的紧急项目
- 业务方无法安排标注人力、只能靠供应商自评的单位
典型场景
某快消企业只有一个原型窗口四周。项目组把任务定在单品陈列检查，第一周冻结任务与样本，第二周标注与搭原型并行，第三周由区域督导盲测，第四周出报告。因样本量控制在可标注范围内，四个节点均按期完成，验证结论也可信。
可执行步骤
- 第一周冻结任务定义、评测维度与抽样规则，并告知业务方，并各留一份，且可追溯
- 同步启动抽样，明确样本时间范围与来源，并留存原始清单，并附抽样说明
- 第二周标注与原型搭建并行推进，周末合流做第一次内部跑测，暴露问题
- 第三周组织业务岗盲测，按错误类型记录结果并逐条归因，并留存证据，并留存
- 第四周出报告并开决策会，明确下一步授权、负责人与预算，写进会议纪要
常见坑
- 任务定义反复修改，评测集建了又废，时间全耗在返工上，窗口越拖越紧，最终只能草草收尾，团队也很疲惫。
- 等原型做完才开始标注，整体后移两周，窗口直接错过，验证成果无人使用，只能等下一年度，信任也被消耗。
- 盲测只找配合度高的用户，结果偏乐观，上线后落差大，业务方不再信任评估结论，下一轮评估更难做。
- 报告拖到第五周，立项窗口关闭，验证成果无人使用，前期投入变成沉没成本，预算也被浪费掉了，团队也很无奈。
自检与验收清单
- 任务定义是否在第一周内冻结并留档，且有版本
- 标注工作是否与原型开发并行启动，并留记录，并有记录
- 盲测是否覆盖一个完整的业务批次，且含难例，且可复核
- 决策会是否已排期并确定主持人与参会人，已确认
- 是否明确列出标注与盲测不可压缩，并写进计划
常见问题
两周能做完原型吗？
单场景、样本现成、标注量小的情况下可以，但需砍掉扩展评估与多轮调优。两周方案应把范围写得更窄，并在报告中说明局限与未覆盖的部分，也让决策人更容易拍板，也更节省时间。
能不能先出结论后补评测？
不建议。补做的评测往往受已有结论影响，容易变成找证据。若确有时间压力，至少保留独立样本做交叉验证，并注明结论的置信边界，避免结论被过度采信，也便于复盘，方法上也更严谨。
里程碑怎么和付款挂钩？
按交付物挂：任务定义与评测集、可运行原型、评测报告、决策会纪要。每项有明确验收人，避免只按时间付款，也能减少交付后的扯皮，交付质量与整体进度也更有保障一些，双方也都更省心。