devlab-eval-driven-agent

eval 自评测体系驱动的 AI Agent 生产体系方法论。以评测集为核心资产，建立"评测集组织 + Mock 隔离 + 标准化比对 + 自动评测脚本 + 回归门禁"闭环；L0-L4 分层评测（确定性单测/轨迹评测/输出评测/生产回归/安全成本护栏），L1 golden session 轨迹断言，L2/L3 数据后端接 Langfuse（dataset/scores/LLM-as-judge），配套 evalctl CLI（0.3.x）。Triggers on "评测集", "eval", "回归测试", "准确率怎么保证", "测试数据集", "AI 质量护栏", "eval-driven", "LLM-as-judge", "langfuse 评测", "scores", "质量评分", "轨迹评测", "golden session", "agent 测试", "工具调用序列".