第1步：先写需求，再保存旧版基线
别升级完才想测什么。动手前先写下三个高频任务，例如打开一份500MB项目、视频会议一小时、批量导出100张图片。每项连续测试三次，记录中位数，别挑最好成绩。与此同时记下电量、环境温度、外接设备和软件版本，避免测试条件偷偷变化。
旧版本的截图、设置和原始文件要留好。没有基线，所谓“更流畅”往往只是动画变快或心理预期。涉及重要数据时，再做一份可离线读取的备份。
升级测评别只看跑分：六步避坑
升级测评最容易踩的坑，是拿一次跑分、几张新界面截图就下结论。靠谱测评要控制变量，用同一批任务比较速度、稳定性、兼容性和恢复成本。下面按实际执行顺序拆成六步，你自己也能判断某次升级是真提升还是换汤不换药。
第2步：读更新说明；第3步：控制变量
先核对官方更新说明，弄清本次是安全补丁、功能更新还是架构变化。只修漏洞的版本，不该用新增功能数量评价；主打性能的版本，则必须拿任务耗时说话。别把不同目标混成一个总分。
正式对比时，尽量使用同一设备、同一网络、同一文件和相近电量。电脑接通相同电源模式，手机关闭临时下载。升级后先等后台索引结束，再开始计时，否则新版本会被无辜扣分。
第4步：测兼容；第5步：专找失败场景
很多升级测评只测“能打开”，却不测“能干完”。你要把插件、打印机、蓝牙设备、共享盘和旧格式全部走一遍。打开文件后还要保存副本，再用旧环境复核，防止格式转换造成不可逆变化。
接下来故意制造压力：低电量运行、网络中断后续传、多任务切换、休眠后唤醒。稳定性问题常藏在边角场景里。遇到崩溃时记录复现步骤，别只写一句“偶尔闪退”，这种描述既不能判断严重程度，也帮不了排查。
第6步：算恢复成本，再给测评结论
结论至少分四栏：性能变化、功能收益、兼容情况、回退难度。可以用五分制，但必须附原始结果。例如导出从12分钟降到9分钟，比“性能4.5分”更有用；某插件完全不能运行，则应直接标成阻断项。
最后避开三个常见坑：首日就定论、把发热等同于性能差、只测新功能不测旧工作流。真正可信的升级测评会说明测试条件、异常频率和适用人群，也会坦白哪些项目还没验证。
推荐阅读
常见问题
- 升级测评需要测试多长时间？
- 基础功能当天可测，续航、后台稳定性和偶发故障至少观察三天。生产软件最好覆盖一次完整项目周期。
- 跑分提高就说明升级成功吗？
- 不一定。跑分反映特定负载，不能替代应用启动、导出速度、续航和兼容测试。真实任务没有改善，跑分上涨的意义有限。
- 升级后发热，应该立刻回退吗？
- 先确认是否在同步、建立索引或批量更新应用。待后台任务结束后，在相同条件下复测；持续数天且影响使用，再考虑回退。