技术栈
人工校准
赢乐
6 小时前
轨迹评估
·
端到端测试
·
agent 评估
·
agent 好不好用
·
单步评估
·
任务完成评估
·
人工校准
Agent 评估——如何知道你的 Agent 够不够好
这个问题看似简单，却比评估一个普通 API 难得多。API 只要看返回值是否正确；Agent 要看整个行为过程——它走了几步、用了哪些工具、中间有没有走弯路、最终答案用户是否满意……
我是有底线的