Agent评测

找到 2 篇关于此标签的文章

AI Agent 跑通不等于真成功 — 一位工程师反思：漂亮数字正在骗所有人

一篇掘金长文拆解 Agent 评测黑箱：模型返回内容、自动裁判通过、系统显示 completed——但用户可能压根没看到完整答案。当漂亮数字可能正被基础设施噪音污染，企业采购 AI Agent 时需要重新问：到底在评什么？

本周 Databend 与 TypeSafe 联合发布 Agent 评测工具 Jev，思路是逐'步'审查 AI Agent 的执行过程，而不是只看最终通过率。一个被忽视的问题浮出水面：两个 Agent 结果相同，路径成本可能差一个数量级。