LLM-as-a-Judge

上线半天报错率飙升 40% — Agent 落地难，问题不在模型而在评测

Agent 落地普遍卡在评测缺失：上线后报错率飙升 40% 的事故，根源是团队还在用 NLP 时代的方法测 Agent。这件事值得关心，因为它解释了为什么多数企业 Agent 项目停在 demo 阶段。