质量与评测：Evals、测试数据与 Tool Evaluation
Cookbooks 的一个重要价值在于：不仅给“能跑的示例”，还给“怎么评测/怎么对齐质量”的方法论与可运行脚本。
推荐 Notebook
1) 构建 Evals（从概念到落地）
2) 生成测试用例（合成数据）
3) Tool Evaluation（专门评测工具调用）
4) Agent 里的质量回路（可选）
Evaluator-Optimizer 归档在 Agent 模式专题里：
../agent-patterns/evaluator-optimizer
与仓库“质量门禁”的关系
如果你在团队里要复用/二次开发这些 notebook，建议把质量收敛到两条线：
- 结构与可复现：
make test-notebooks（快、适合 CI） - 真实执行与回归：
make test-notebooks-exec（慢、适合定期/抽样）
先让“最小评测”跑通，再逐步把指标、样本覆盖、以及失败诊断做细，通常比一次性追求大而全更稳。