Al_Grigor 分享 RAG 评测实践：eval 用例存 Git

2026 年 10 月 15 日，AGI Hunt 报道称，工程师 Al_Grigor 分享了为 DataTalksClub 搭建 AI FAQ 策展流水线时采用的评测驱动开发实战经验。他主张 eval harness 不必做得复杂：把 61 个评测用例版本化存放在 Git 里，作为唯一事实来源，既可以单独运行某一个用例，也可以运行整个数据集；用例一旦失败，就据此补上新的评测用例。此前该话题已围绕“RAG 评测驱动开发、eval 用例存 Git”展开分享，本次报道进一步给出了用例数量与运行方式等具体做法。现有报道之间未出现数字、时间或说法上的不一致，暂无需要并列的早先表述。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。