evals-demo：用纯 Python 为 LLM 功能搭建小型评测工具的实操工作坊

一个约 70 分钟、共 7 章的 AI 工程实操工作坊，教你在纯 Python（仅标准库、无需 API key）中为 LLM 分诊功能构建小型评测框架，用数字而非主观感受对比不同 prompt 和模型。内置 16 条带预期结果的客服消息案例，支持接入任意 OpenAI 兼容端点（Groq、OpenAI、本地 Ollama），提供 run、compare、serve 命令及 --min-score 0.8 的 CI 门禁。项目 MIT 协议开源。