技术栈
持续评测
thesky123456
3 小时前
智能体
·
回归门禁
·
持续评测
·
evalops
·
评测即代码
·
ci集成
·
数据集版本化
智能体面试准备（九十三）：智能体持续评测与 EvalOps 工程——评测即代码/CI集成/回归门禁/数据集版本化
本文是 B 系列第 93 篇。前面 B56 讲了评测门禁与回归测试，B65 讲了轨迹评测与工具调用正确性，B91 讲了评测可复现性与基准治理。这些把"怎么评"讲清楚了，但还差一步工程化：评测不能只在大版本发布前人工跑一遍，而要像单元测试一样，每次提交、每次改 prompt、每次换模型都自动跑、自动拦。这就是 EvalOps（评测运维化）。
我是有底线的