io.github.nipunkhanderia/golden-dataset-mcp

请基于当前知识库问答系统，使用 golden-dataset-mcp 建立一套版本化黄金数据集，并对 RAG 的召回与回答质量进行评估，输出每条样本的得分、失败案例和改进建议。

一份 RAG 评估结果，包含样本级评分、整体表现汇总与优化建议。

请用 golden-dataset-mcp 为我们的评测样本集建立版本管理流程，记录每次新增、修改和删除的样本，并生成可对比的版本变更摘要。

一个可追踪的数据集版本记录，以及清晰的版本差异摘要。

请使用 golden-dataset-mcp 对比两种 RAG 检索方案在同一黄金数据集上的表现，重点分析召回率、答案准确性和失败样本差异。

一份对比报告，展示两种方案的关键指标、优劣势和典型失败案例。