llm-evals

对AI智能体时代大型Rails代码库的批评，提出转向基于技能的开发方式，使用智能体、Markdown技能和TypeScript实现确定性I/O。

Spotify Engineering讨论了将LLM评估用作A/B实验前的漏斗，提高了命中率，并在评估与实验之间建立了反馈循环。