#评测系统
Agent Eval 系统构建指南：概念、评估方法与落地路线
如果你在做 AI Agent，迟早会遇到一个的问题：用户说“这个版本好像变差了”，但你很难说清楚到底差在哪里。
是模型能力退步了？Prompt 改坏了？工具调用路径变长了？某个边界 case 被破坏了？还是只是一次随…