项目解决什么问题
平台围绕 Prompt 版本、测试用例、批量运行、自动评分、人工复核和失败分析建立闭环。
很多 AI Demo 只展示一次成功回答，缺少稳定评估。
Prompt 修改后无法证明新版本是否真正更好。
失败案例没有结构化沉淀，难以复盘。
演示流程
1
选择Prompt版本
2
维护测试集
3
批量评测
4
人工复核
5
版本对比
技术栈
PythonFastAPISQLiteUnittestMock LLMJavaScript
评测模式
Mock First
核心指标
得分 / 失败率 / 成本
测试覆盖
16 tests OK
面试讲解重点
Prompt 像代码一样版本化管理
批量运行测试集并记录模型输出
结合自动评分和人工复核判断效果
失败案例沉淀为下一轮优化依据
继续查看其它项目
所有页面都使用同一套作品集信息架构，便于面试官横向比较。