com.rubrkit/rubrkit

请为我们的客服机器人建立一个评分量表，评估以下回复在准确性、礼貌性、合规性和解决率上的表现，并输出审计结果与证据说明。

一份包含评分标准、逐条评分结果、问题定位与证据说明的质量审计报告。

基于这批历史提示词和标准答案，生成一个可重复执行的评测套件，用于比较新旧模型版本在正确率、一致性和格式遵循上的差异。

一个结构化评测集及其评估维度定义，可用于版本对比与回归测试。

请对这组AI生成内容进行评估，并生成一份证明报告，展示每项结论对应的评分依据、原始样本片段和最终判定理由。

一份便于审查与留档的证明报告，清晰列出评分依据、引用证据和结论。