你的 AI 改了 3 版，到底有没有变好？
点击上方 前端Q，关注公众号
回复加群，加入前端Q技术交流群
从这一篇开始进入 Harness 七层的第五层：Eval Harness。
前面四个模块解决了"给模型看什么"（Context）、"让模型怎么动手"（Tool）、"多步怎么协调"（Workflow）。但还有一个问题一直在被回避：
你改完之后，效果到底是变好了还是变差了？
说实话，大部分做 AI 产品的团队在这个问题上是靠"感觉"的。改了 Prompt，跑两个 case 看看，觉得"好像还行"就上线了。直到有一天用户反馈"以前能答对的问题现在答不对了"，才发现改坏了。
这就是 Eval（评测）要解决的问题。