如何组装评估套件以及为什么？返回 JSON {"steps": [2 个以上步骤的列表], "why": "short"}。
评估集是一组具有预期结果的代表性示例，您在每次更改之前都在其上运行系统。没有它，改进提示就是算命：修复了一个案例，悄然打破了五个。如何收集：获取涵盖典型和边缘情况的真实（或接近真实）输入；为他们记录正确或可接受的答案；每次编辑之前和之后运行整个集合并比较完成率。即使 20-50 个好的例子也会从根本上改变发展——回归是可见的。规则：如果没有评估集，你就无法改进系统，而只能将错误从一个地方转移到另一个地方。