评测

Agent 评测：方法论与体系设计

01 为什么 Agent 评测需要体系化 划重点：Agent 评测是把「不稳定的智能行为」持续收敛成「可发布的工程质量」，不是上线前抽查。 和传统软件相比，Agent 的输入、输出和状态空间都更开放：用户表达不可穷举，模型输出有随机性，多轮对话会累积上下文，工具调用还会改变系统状 …

• Agent
• LLM
• 工程