reconcile LLM_Evaluation zone: align stage numbering and scopes, standardize full-path wikilinks, slim old guidebook notes, dedupe templates

- fix stage-numbering conflict (README vs 05-Progress) and unify stage-1 reading scope
- resolve AWS workshop prerequisite contradiction in 04-Reference/01
- convert medium-path wikilinks to vault-root paths (~30 links), fix .pyy typos, annotate ragas fork, unify archive status, add 01-/02- README hubs
- compress old-version guidebook notes (01, 05) into pointers; add 2026 reading guidance to 00-Overview
- dedupe project templates and remove embedded template copy in 03-Practice/README

01_Projects/Personal-Tech/LLM_Evaluation/05-Progress/02-方法季度复盘.md

@@ -0,0 +1,45 @@
+---
+type: log
+tags:
+  - llm-evaluation
+  - progress
+  - review
+status: active
+created: 2026-08-21
+---
+
+# 方法季度复盘（含作品集清单）
+
+> **使用方式：** 每季度一次（约第 12 周）。复盘对象是**这套学习方法本身**，不是单个项目（单个项目的复盘在 `03-Practice/项目名/04-失败复盘.md`）。
+
+## 方法论自评
+
+1. "先建立判断，再追求自动化"是否真的让我少走了弯路？请给一个具体例子。
+2. 我是否在"读完理论"上花了比计划更多的时间？当时应该在哪一步停下？
+3. 手工盲评是否帮我发现了规则问题？哪些坑是读文章学不到的？
+4. 哪个环节最浪费时间？下一个季度砍掉什么？
+5. 我的失败分类是否真的指导了修复，还是只是写了报告？
+
+## 作品集检查清单
+
+> 来源：[[01-LLM-Evaluation-Roadmap]] 第十二节。做满 3 个月后，把最能证明工程闭环的项目整理成作品集。
+
+- [ ] GitHub 仓库 README：问题 / 数据说明 / 评测方法 / 结果，四节
+- [ ] 数据卡：来源、构造、偏差、许可、PII、版本
+- [ ] 评测报告：类别通过率、失败分类、修复前后对比
+- [ ] 3 分钟录屏：改一个 prompt → 跑 runner → 展示回归变化
+- [ ] 一条技术复盘（具体发现，而非"我学了大模型"）
+
+### 公开前合规检查
+
+- [ ] 无真实用户输入 / 无密钥或 token / 无内部路径或私有代码 / 无个人信息
+- [ ] 外部资料有许可与出处；合成数据明确标注为合成
+
+## 内容保鲜（可选，每季度）
+
+- [ ] 检查专区外部链接是否有失效或已关停（如 OpenAI Evals 平台已宣布 2026-11 关停）
+- [ ] 更新 [[01_Projects/Personal-Tech/LLM_Evaluation/04-Reference/README|04-Reference 资源地图]] 的前置阶段标注
+
+---
+
+返回 [[01_Projects/Personal-Tech/LLM_Evaluation/README|学习专区首页]]。