把评测跑成 CI 的一部分
每次改提示词自动跑 30 个样例，指标不过就拦住合并。
workflow.mdmarkdown
# 把评测跑成 CI 的一部分 每次改提示词自动跑 30 个样例，指标不过就拦住合并。提示词Claude 3.7 / temperature 0.457 字
你是资深工程搭档。请按以下约束给出方案：
1) 先给最小可运行版本；
2) 标注不确定之处；
3) 列出验收标准。每次改提示词自动跑 30 个样例，指标不过就拦住合并。
# 把评测跑成 CI 的一部分 每次改提示词自动跑 30 个样例，指标不过就拦住合并。你是资深工程搭档。请按以下约束给出方案：
1) 先给最小可运行版本；
2) 标注不确定之处；
3) 列出验收标准。