AI 工程师的评测方法论：从错误分析到分层评测集

材料介绍了一套 AI 评测方法论，主张先分析生产 trace 中的失败案例，再据此建立分层评测集。方法包括采样 100+ 条 trace 并对失败案例开放编码、按 persona、意图、复杂度和边缘案例等维度生成合成数据，以及让黄金数据集版本与 prompt 同步以保持结果可复现。