直接回答
先给出可以用于决策的结论
按业务分层抽样：高频正常任务、低频高风险任务、格式或用户变化、系统异常和明确拒答。将样本分为开发、验证和独立验收，避免反复调试同一批数据后产生虚假高分。样本规模随着场景风险和差异增大。
判断前需要确认哪些条件
同一个问题在不同企业、数据和项目阶段下可能有不同答案。建议先核对以下条件，再把网上的通用结论代入自己的项目。
任务类型和输入差异不可接受错误及业务后果是否需要统计置信度专家标注和复核成本
建议按什么顺序推进
01
先明确目标与边界
列出任务和错误分类。
02
验证关键依赖
先覆盖每一类代表样本。
03
形成可评审成果
独立保留验收集。
04
用真实结果决定下一步
根据失败分布补充难例。
放到实际业务中如何理解
示例用于说明判断方法
合同抽取先覆盖不同模板、扫描件、缺失字段和冲突条款，而不是收集大量同一模板文件。 示例不代表特定客户业绩，实际结论需要结合企业自己的业务量、样本、系统和责任边界验证。
最容易踩的坑
只收集容易成功的样本
开发和验收使用同一批数据
只看数量不看覆盖
最终应该怎样验收或确认
样本来源、分类、版本、期望结果和独立性可核对，关键风险有足够覆盖并由业务人员确认。
准备与供应商或内部团队沟通时，建议带上当前流程、代表性样本、现有系统、计划时间和预算等级。先把未知项明确标注，再决定采用诊断、PoC、固定范围项目或持续研发，通常比直接索要一个缺少边界的价格和工期更可靠。