Show HN: GEDD – 在用户发现之前找到AI代理的错误

GEDD 是一款开源工具，专为领域专家设计，用于在缺乏预定义评估标准的情况下系统性地发现AI代理的失败模式。它通过领域专家与系统的对话，在90分钟内生成生产级的评估流水线，捕获如剂量单位混淆、覆盖范围幻觉等专业错误。该工具遵循Grounded Theory方法论，流程包括定义代理、生成提示、部署、创建黄金查询、标注和判断，最终产出ML工程师可用的评估流水线。GEDD已在多个领域测试，并提供了17个演示场景。