基线资产清单
基线资产清单
eval/
queries.jsonl # 80～200 条真实问题 + 期望答案要点
gold.jsonl # 每条查询的相关片段 id（标注或程序构建）
run_eval.py # recall@k / mrr / ndcg + 生成质量抽样
snapshot/ # 参与评测的文档与分片版本号回归对比输出
回归对比输出
print({"version": "2026-10-12", "recall@10": 0.87,
"mrr@10": 0.71, "p95_ms": 180, "vs_prev": "+0.03 / -0.01 / +12"})查询集要覆盖高频问题与边界问法（缩写、型号、错别字），并随产品迭代补充。