プロンプトの出力精度を、指標で定量評価

プロンプトを変える度に「精度が上がったか」を人力確認するのはコストが高く、感覚的な判断に頼りがち。テストケースを事前登録し、複数バージョンのプロンプトの実行結果を一括採点、期待値と実際値の差分を視覚的に把握できるようにしました。