评估驱动开发

Dosu 团队分享了如何通过评估驱动开发（EDD）提升 LLM 产品可靠性，并借助 LangSmith 对智能体活动进行监控与检索，从而在每次迭代中量化改动对终端用户的影响。文章以 LangChain 仓库的自动化维护场景为例，说明可靠性的提升如何直接降低维护与支持负担。

LangChain 发布实验性开源库 Promptim，将提示词工程从手工调优转向自动化优化循环。用户只需提供初始提示词、数据集与自定义评估器，Promptim 即可迭代产出优于原始版本的提示词，延续其评估驱动开发的方法论。