Confident AI

使用 Confident AI 对当前提示词版本做云端评估，并与上一个版本对比，输出关键指标、差异点和改进建议。

输出版本对比结果、评分指标和可执行的优化建议。

通过 Confident AI 查看最近一次生产请求的 trace，定位失败步骤、异常输入和可能的根因。

输出完整 trace 分析、失败位置和排查方向。

用 Confident AI 帮我整理一个评测数据集，按场景分类样本，补充人工标注字段，并生成后续评测计划。

输出结构化数据集、标注字段和评测计划。