#evals

无法单元测试的AI功能，如何用Evals保障质量

AI功能无法像普通代码那样单元测试，同一输入两次输出不同。本文介绍用评估集（evals）系统化衡量AI输出：真实输入构建测试集、书面定义好答案、代码检查+人工评分+模型评分三层打分，上线前约定不可妥协的底线，并让生产数据持续回流评估集。