#Eval

生產級 LLM 的評估與可觀測性：每次改動都要知道有沒有退步

Prompt 改一句、模型換一版，結果可能整批跟著變。這篇介紹怎麼用黃金題庫做回歸，再用 trace、token 與成本紀錄找出問題發生在哪一步。