Como montar um kit de avaliação e por quê? Retorne JSON {"steps": [lista de mais de 2 etapas], "why": "short"}.
Eval set é um conjunto de exemplos representativos com o resultado esperado, no qual você executa o sistema antes de cada alteração. Sem ele, melhorar o prompt é uma leitura da sorte: consertou um caso, quebrou silenciosamente cinco. Como coletar: obtenha informações reais (ou quase reais) que cubram casos típicos e extremos; registre a resposta correta ou aceitável para eles; execute todo o conjunto antes e depois de cada edição e compare a taxa de conclusão. Mesmo 20-50 bons exemplos mudam radicalmente o desenvolvimento – as regressões são visíveis. Regra: sem um conjunto de avaliação você não melhora o sistema, apenas move os erros de um lugar para outro.