#eve

Eveのeval失敗ログをLangfuse Datasetに残して評価条件を改善する

Eveの評価で一度落ちた天気ツールの失敗ログをLangfuse Datasetに登録し、失敗runと修正後runを比較しながら評価条件を改善する検証ログ。