评估 LLM 应用 1.一般评估思路 首先，你会在一到三个样本的小样本中调整 Prompt ，尝试使其在这些样本上起效。 随后，当你对系统进行进一步测试时，可能会遇到一些棘手的例子，这些例子无法通过 Prompt 或者算法解决。 最终，你会将足够多的这些例子添加到你逐步扩大的开发集中，以至于手动运行
