第9章 Prompt本质解密及Evaluation实战与源码解析
9.1 Customer Service案例
本节主要谈提示词（Prompt）内部的工作机制，围绕案例、源码、论文三个维度展开。首先，我们可以看一下代码部分，这是对基于大模型应用程序开发的一个评估（Evaluation），这显然是一个至关重要的内容。大家做所有基于机器学习的模型，或者所有NLP的项目，对应用程序的评估是一个核心性的东西，因为程序的版本升级或者迭代，需对程序的表现进行评估，提供一些基本的数据，但是对大模型的评估，它跟传统的机器学习不太一样，尤其是基于GPT系列或者生成语言模型，因为它生成的内容，和传统经典意义上的基于内容和标签进行评估，不太完全一样。
Gavin大咖微信：NLP_Matrix_Space
OpenAI官方提供了一些指导，DeepLearning.AI借助OpenAI的一些指导思想，提出了对结果评估的一些具体步骤，我们来看一下，DeepLearning.AI提供的示例中，它的提示词写的非常经典，第一是因为它有效，第二是其他很多开源框架和产品中，都会有类似的实现或者类似的提示词。
1. def eval_with_rubric(test_set, assistant_answer