英国数字健康公司 Numan 在 LangChain 博客复盘其 AI 健康教练 Nu 的评测体系：单轮静态数据集与脚本化多轮对话都无法覆盖真实会话，团队改为按类别打分的主题数据集、由更廉价模型扮演患者的模拟对话层，并让安全回归自动阻断发布。文章强调在受监管边界上，评测准则须由临床医生撰写并签核。
Numan 复盘 AI 健康教练 Nu：稀缺资产是评测标准而非提示词