Performance Prior: почему 3 успешных теста не делают промпт надёжным

Код прошёл 3 теста — работает. Промпт прошёл 3 теста — это почти ничего не значит. Это не метафора, а математически измеренный факт из исследования. Метод диверсифицированного тест-сьюта позволяет реально измерить надёжность промпта — ещё до того, как он попадёт на живые данные. Фишка: промпты живут в статистической «серой зоне» — большинство из них почти правильные, работают на типичных случаях, но стабильно ломаются на граничных. 3 похожих теста случайно попадают в удачную часть этой зоны. Ты думаешь, что промпт надёжен. Он спотыкается на первом нестандартном вводе в работе. 15-20 разнообразных кейсов — типичные, граничные, ловушки — показывают реальную картину.