LangChain 工程师：仅靠生产 traces 自动生成 evals 远远不够

LangChain 的 Brace Sproul 提出，仅用用户真实流量产生的 traces 做 evals，得到的永远只是回归测试式 evals。他认为这类 evals 该有，但做 eval 开发时超过 50% 的时间应花在探索 agent 理论上能处理什么，并为此编写评测，从而在用户踩坑之前发现问题。结论是不能简单把 prod traces 转成 evals，需要更主动的评测设计。