امتحن الشات بوت

مساعد الـ RAG بتاعك شغّال والناس بدأت تستخدمه — بس محدش يقدر يقول هو كويس قد إيه. الحكم الوحيد المتاح دلوقتي «جرّبناه وشكله تمام». قدامك المستندات اللي بيرد منها، لوج أسبوع من أسئلة المستخدمين الحقيقية، وكتالوج أنماط الفشل من الـ KB: سؤال ليه إجابة في المستندات، سؤال مالوش إجابة أصلًا، سؤال على الحافة (الإجابة موجودة بس ناقصة أو متفرّقة على مستندين)، وسؤال خبيث بيحاول يستدرجه. المطلوب امتحان من ١٢ حالة يبقى هو الحَكَم قبل أي شحن.

شرط النجاح: golden set من ١٢ حالة مغطّية الأربع فئات، وكل حالة معاها سلوك متوقّع قابل للحكم.