把 Evals 接进 CI：让每次 prompt 与模型改动都跑一遍评测门禁

上个迭代，同事把 system prompt 改短了两百字，本地试了三条 case，「看起来还行」，合并上线。第二天客服转来一批投诉：某一类高频问题开始答非所问。回看改动，那三条手测的 case 恰好都不属于这一类——问题一直躺在评测集里，只是没人在这版改动上线前把那几百条重新跑一遍。