如何从生产流量构建 golden eval 数据集

OpenRouter 发布教程，介绍如何从生产流量构建 golden eval 数据集，用经过人工审核的期望输出作为每次部署前的回归测试。文章给出五步流程：抽取一两周的生产输入输出、去重聚类、补充期望输出与评分标准、先跑一轮修正评分标准、提交 Git 并接入 CI，并建议探索单个问题约 10 条、完整回归集 100 到 1000 条。