为 RAG、结构化输出和工具调用建立可重复评估。
从真实任务抽取问题、证据和不可接受结果。
免费公开
分别检查召回、重排与最终上下文。
验证字段、枚举、长度与拒绝路径。
评估是否选对工具、参数和确认边界。
用固定回归集和人工抽查判断是否升级。
成员专享排练笔记：未购买时仅显示预览。