1 含有标签「trace-replay」

快照追踪测试：将生产环境追踪作为你的回归测试套件

人工筛选的 LLM 评估集在用户行为发生变化的瞬间就会失效。固定生产环境追踪，对输出进行语义等价断言，对工具调用进行结构化相等断言，并使用延迟区间而非点估计。