ဘယ်အချိန် eval လုပ်မလဲ

စိတ်လျှော့ပါ။ ဒီခန်းကို စာအုပ်လိုမဟုတ်ဘဲ စကားပြောသလိုပဲ၊ နားလည်လွယ်အောင် ရှင်းပါမယ်။

ခဏလေး ဒီလိုပဲ စဉ်းစားကြည့်

Eval သုံးသင့်တာက handbook Q&A၊ မတွေ့ရင်ရပ်၊ secret မပေါက်၊ quiz ပုံစံမှန် — ဒီလို ပြန်ဖြစ်တဲ့အလုပ်ပါ။ မသုံးသင့်တာက တစ်ခါတည်းကဗျာ၊ ဟာသ၊ စမ်းသပ် chat။ အဲဒါတွေက vibe နဲ့လုံလောက်တယ်။ စားဖိုမှူးက နေ့စဉ်ဟင်းကို စစ်တယ်။ မင်္ဂလာဆောင်ပွဲတစ်ခုတည်းရဲ့ အလှဆင်ကို စာရင်းဇယားမလုပ်ပါနှင့်။ Prompt / context / RAG ပြင်တိုင်း ကတ်အကုန်မပြေးပါနှင့်။ ပြင်တဲ့အမူအကျင့်နဲ့ဆိုင်တဲ့ ကတ် ၃ ခုပဲ ပြန်ခေါ်ပါ။

နေ့စဉ်ဘဝနဲ့ ချိတ်ကြည့်မယ်

ကောင်းတဲ့အချိန် — prompt ပြင်ပြီး၊ ဖိုင်အသစ်ထည့်ပြီး၊ “မတွေ့ရင်ရပ်” စည်းမျဉ်းထည့်ပြီး။ မကောင်းတဲ့အချိန် — ဝါကျလှအောင်ပြင်တိုင်း၊ emoji ထည့်တိုင်း။ ပထမ week မှာ ကတ် ၅ ခုထက်မပိုပါနှင့်။ Framework ကြီး၊ nightly pipeline မလိုသေးပါဘူး။ ဟင်းသုံးမျိုးကို အိုးတစ်လုံးထဲရောပြီး “အားလုံးအောင်မယ်” မမျှော်ပါနှင့်။

• ပြန်ဖြစ်တဲ့အမူအကျင့်ကိုသာ စစ်ပါ
• ပြင်ပြီးရင် ဆိုင်ရာကတ်ပဲ ပြန်ခေါ်ပါ
• ကတ် ၅ ခုနဲ့ စပါ

အတူတူ လက်တွေ့စမ်းမယ်

Eval now:
- after a prompt rewrite
- after adding a new note
- after a “don’t guess” rule

Skip:
- one-off jokes
- pretty wording tweaks

အလုပ်တစ်ခုကို eval လုပ်သင့်၊ မလုပ်သင့် ခွဲနိုင်မည်။