🏷️ 评测基准

别再吹Agent「很强」了：一套可落地的AI Agent评测基准搭建指南

大多数团队评测Agent靠感觉，上线后翻车。本文给出一套从任务集设计、评分维度到自动化回归的完整评测方法，附可复用的指标框架。