Agent 评测
简介
Agent 是 FDE 交付清单里最常见的系统形态，而「能不能评测」决定了一个 Agent 项目能不能上线。本专题持续收集 Agent 评测的方法、指标、工具与企业实践：从评测集设计、回归测试到上线后的监控与告警，帮助交付团队把「感觉可用」变成「可验证可用」。
随着 Agent 承担的任务越来越复杂，评测也在从单轮问答的准确率走向多步骤任务的成功率、成本与延迟权衡。专题会跟踪这些演化，并优先收录可复用的评测框架与一线经验。
Agent 是 FDE 交付清单里最常见的系统形态，而「能不能评测」决定了一个 Agent 项目能不能上线。本专题持续收集 Agent 评测的方法、指标、工具与企业实践：从评测集设计、回归测试到上线后的监控与告警，帮助交付团队把「感觉可用」变成「可验证可用」。
随着 Agent 承担的任务越来越复杂，评测也在从单轮问答的准确率走向多步骤任务的成功率、成本与延迟权衡。专题会跟踪这些演化，并优先收录可复用的评测框架与一线经验。