Goldset 0.3.0 发布：在 CI 中对 AI 应用做行为评测的 GitHub 工具

ykstorm 发布 Goldset 0.3.0，一个在 CI 中对 AI 应用运行行为评测的 GitHub 工具，提供 goldenDataset、llmJudge、structural 和 grounding 四个 runner，分别捕捉输出偏离标准答案、开放式输出行为回退、输出结构破坏和答案缺乏上下文支持四类失败。它在每个 pull request 上以 GitHub Action 形式运行 *.eval.ts 评测文件，发布 delta-vs-base 评论并在评测失败或回退时使检查失败，只有当分支保护将其列为 required status check 时才会阻止合并。