io.github.nipunkhanderia/golden-dataset-mcp

请帮我设计一个用于客服知识库 RAG 评测的黄金数据集方案，包含问题、标准答案、引用文档片段和评分维度，并给出版本管理建议。

产出一套结构化的黄金数据集字段设计、评测维度说明与版本管理方案。

基于同一批黄金问题，对比 RAG 系统 V1 和 V2 的回答质量，重点分析命中率、答案准确性、引用一致性，并总结退步样本。

得到两版系统的评测对比结果、关键指标差异和退步案例清单。

为我们的 RAG 黄金数据集制定版本迭代规范，说明何时新增样本、修改答案、废弃旧样本，以及如何记录变更原因。

输出清晰的数据集维护规范，便于团队持续更新和追踪评测质量。