生产环境 LLM eval 实战讨论：工具取舍与落地案例

一位海关报关单校验开发者征集生产环境 LLM 评测实践，并分享确定性门禁、模型步骤失败告警和黄金测试样例方案。讨论覆盖 CI 门禁、线上抽样人审、LLM-as-judge、漂移告警及 Braintrust、Langfuse、LangSmith、Phoenix、Promptfoo 等工具的取舍。