用途：这是位于 sklearn 与评估工具之上的决策层，帮助为模型评估选择正确的指标、验证方案与阈值，而不是替代具体评估库。
主要能力：按业务成本与类别不平衡选择指标（PR-AUC、F-beta、MCC、MAE、NDCG 等，避免在不平衡数据上用 accuracy）；识别目标、预处理、时序、分组、重复与目标编码泄漏；按数据结构选择 StratifiedKFold、GroupKFold、TimeSeriesSplit 或嵌套交叉验证；用可靠性曲线、Brier 分数、ECE 诊断校准，并用 CalibratedClassifierCV 修正；按成本在验证集上选阈值；用学习曲线与验证曲线诊断过拟合/欠拟合；覆盖 LLM 评估（参考指标、LLM 判官偏差与缓解）与 A/B 测试（预注册样本量、SRM、防偷看）；涉及公平性定义与生产漂移监测。
使用方式：资料给出示例代码，如 make_pipeline(StandardScaler(), estimator) 配合 cross_validate 完成无泄漏交叉验证，用 average_precision_score 计算 PR-AUC、matthews_corrcoef 计算 MCC，用 ks_2samp 与 PSI 监测数据漂移。具体安装命令与调用方式暂未提供。
适用场景：不平衡分类、代价不对称决策、时序与分组数据、需要概率输出的模型、生成式模型与线上实验评估。
限制：文中出现的具体阈值（如 PSI>0.2 表示显著漂移）为经验参考；公平性各定义通常无法同时满足；是否适配特定数据需自行验证。其他细节暂未提供。