Wayfinder

Wayfinder 的参考实现用规则 judge、人类 judge、LLM judge 和在线评估逐层比较同一航班搜索系统，所有运行都保存 trace 和回归结果。它把提示或模型升级视为实验，而不是一次性发布；因此能具体观察可靠性、成本与用户成功率的权衡。