用途：在修改提示词后系统性回归测试，防止出现效果倒退。它对比旧版与新版提示词在同一批测试用例上的输出，给出差异摘要、稳定性指标、破坏分析与修复建议。
主要能力：定义测试用例（含 id、input、context、expected_behavior、baseline_output、must_include、must_not_include）；用 compare_prompts 跑对比，统计总用例数、改进数、回归数、未变数，并记录破坏项；计算稳定性指标，包括输出稳定性、格式稳定性、约束遵守度、行为一致性；通过 analyze_breakage 定位原因，如缺失必需内容、出现禁止内容、格式违规、长度偏差；用 suggest_fixes 按原因归类生成修复建议；支持生成回归报告（汇总、稳定性指标、回归明细、推荐动作）。
使用方式：准备 JSON 格式的测试用例集合，调用对比框架逐条运行旧提示词与新提示词，收集输出、差异、评分与判定，再汇总为报告。资料中的示例代码展示了测试用例结构、比较函数、稳定性计算、破坏分析与建议生成、报告模板与输出清单，实际使用需按资料形式组织数据。
适用场景：提示词迭代验证、A/B 对比、CI/CD 中自动化回归检查。
限制：LLM 具有随机性，资料建议多次运行对比；具体接口、命令与运行环境暂未提供。