Evals 进阶指南：Hamel Husain 与 Shreya Shankar 联手发布续篇

Lenny Rachitsky 邀请 Hamel Husain 和 Shreya Shankar 撰写评测（evals）体系的进阶续作，两人此前服务过 50+ 家 AI 公司。文中引用多个实际收益案例：Ramp 把自动收据识别准确率从 35% 提到 83%，Shopify 的 AI 工作流构建器比原前沿模型方案快 2.2 倍且便宜 68%。Harvey 重构 AI 合同审查器后内部质量分接近翻倍，Cursor 调优 Auto Balance 路由，在成本降低 41% 的同时用户满意度更高。文章覆盖多数团队跳过的关键步骤、哪些环节该自动化，并附一个让编码 Agent 干重活免费插件。Lenny 还提到上周分享的 25 个 PM 职位中近半要求有写 evals 的经验。