AI 指令漂移检测器

自动探测同一提示词在不同时间/模型下的行为漂移

痛点

用户抱怨同一个付费账号、同一个模型，今天惊艳明天发狂，按菜谱做菜却倒进地沟油、输出完全偏离指令，让人怀疑是不是被偷偷路由到了旧模型或版本。开发者缺乏一个独立工具来量化「这个模型今天是不是变蠢了」，只能凭感觉和社区吐槽。

方案

一个轻量的提示词回归测试工具：用户保存一组关键提示词和期望输出样例，工具定时（或手动触发）通过自己的 API key 调用目标模型，对比输出是否发生语义漂移、指令遵循度下降或格式异常，并给出可视化趋势与告警。支持多模型横向对比，帮助用户确认是否被路由到不同版本。

用户

依赖 LLM API 的独立开发者、Prompt 工程师、AI 产品团队、重度个人用户

MVP

保存提示词集与期望输出；手动/定时调用目标模型并记录结果；用轻量评分（指令遵循、格式、相似度）标出漂移；提供趋势图和邮件/webhook 告警；支持多模型并排对比

变现

免费版限制提示词数量和检测频率；订阅解锁更多提示词集、定时检测、历史保留和多渠道告警；团队版支持共享提示词库和审计日志

为何现在

模型版本频繁更新且暗地路由不透明，用户对「降智」的抱怨越来越多。一个独立、可自托管的漂移检测器能建立信任，且无需训练模型，只需调用 API 和做轻量评估。