LLM evaluation rubric，不是打分表花架子，而是修复顺序和上线判断
很多人在搜索 LLM evaluation rubric 时，只是想找一张模板。DepthPilot 更进一步：我们把 rubric 变成维度、锚点、hard-stop 和 grader 规则，帮助用户真正决定系统哪里坏了、先修哪里。
搜索集群
Prompt Engineering Course
Prompt Engineering 课程，不该只教你写更长的 prompt
LLM Limitations
LLM limitations，不只是“模型会幻觉”，而是你要学会什么时候不能让它硬答
Structured Outputs Guide
Structured Outputs 指南，不是让模型“像 JSON”，而是让结果真的可验证
Retrieval and Grounding Guide
Retrieval 与 Grounding 指南，不是把文档全塞进去就算做了 RAG
AI Workflow Course
AI Workflow 课程，目标不是会聊，而是会搭可交付流程
Agent Workflow Design
Agent Workflow Design，不是让模型自己猜下一步
Context Architecture
Context Architecture，不是把更多字塞进 prompt
AI Eval Loop
AI Eval Loop，决定你是在优化系统还是在凭感觉试错
Context Engineering vs Prompt Engineering
Context Engineering vs Prompt Engineering，到底差在哪里
AI Workflow Automation Course
AI Workflow Automation 课程，重点不是自动化按钮，而是可维护系统
OpenClaw Tutorial
OpenClaw 教程，不只是装起来，而是跑通、排错、沉淀成 skills
Supabase Auth Tutorial
Supabase Auth 教程，不止是做个登录页
Creem Billing Tutorial
Creem Billing 教程，真正关键的是 webhook 和 entitlement
AI Eval Checklist
AI Eval Checklist，用来判断你的系统是不是真的变好了
LLM Observability Guide
LLM Observability 指南，不是多记日志，而是让失败真正可重放
Prompt Injection Defense
Prompt Injection 防护，不是再补一句“忽略恶意输入”
LLM Model Routing Guide
LLM 模型路由指南，别再让所有请求都走同一条回答链
LLM Latency and Cost Guide
LLM 延迟与成本指南，先消灭浪费，再谈模型价格
Human in the Loop AI
Human in the loop 不是兜底口号，而是升级路径、review queue 和 handoff packet 设计
RAG Freshness Governance
RAG 不是检索到就算 grounded，真正关键是 freshness governance
LLM Evaluation Rubric
LLM evaluation rubric，不是打分表花架子，而是修复顺序和上线判断
这条路径能建立什么
为什么这个主题重要
为什么只有总分的评估没有用
因为总分会隐藏失败到底发生在哪个维度。系统可能 fluency 很好，但 factuality、citation 或 escalation judgment 很差。
为什么这个主题重要
真正有用的 rubric 长什么样
它至少要有维度、评分锚点、grader 说明和 hard-stop 规则，让第二个 reviewer 或自动 grader 能复用同一套判断。
为什么这个主题重要
DepthPilot 怎么让 rubric 变成实战工具
我们不只给模板，而是要求用户把自己的 workflow 做成 scoring rubric、grader spec 和 calibration sheet。
接下来去哪
用户通常会问什么
为什么不能只做 pass/fail？
因为你需要知道失败究竟属于哪一维，才能决定先修哪一层，而不是只知道“没过”。
hard-stop 规则为什么重要？
因为有些严重失败不应该被平均分掩盖，比如安全、引用或升级判断错误。