@realmadhuguru
Продолжение серии о построении качественных eval-систем для AI-продуктов. В части 6 рассматривается подход «hill climbing» — выбор ключевой метрики и её целенаправленная оптимизация через prompt engineering, context engineering, memory, пост-обучение и детерминированный код. Рекомендуется использовать таксономию ошибок из предыдущих частей как компас для приоритизации улучшений.