评估、成本优化、可观测性与面试包装

当天任务

## Day 7 学习作业

为你的 RAG 项目设计一套 20 条 golden dataset。请至少给出 8 条具体样例，覆盖：
普通问题、细节问题、多跳问题、无答案、冲突、prompt injection、权限问题。

每条至少包含 question、expected_answer、expected_sources、must_refuse、risk_type。

再定义评估指标，并解释每个指标如何帮助做上线决策：
retrieval recall@k、context relevance、answer relevance、groundedness、citation correctness、no-answer accuracy、latency、token cost、user satisfaction、prompt injection success rate。

最后用 150 字以内写一段面试项目介绍。