https://www.znl.net/tags/%E8%AF%84%E4%BC%B0/Recent content in 评估 on 正能量Hugo -- gohugo.iozh-CN© 2026 正能量Tue, 20 Oct 2026 12:27:42 +0800https://www.znl.net/posts/agent-evaluation-guide/Fri, 09 Jan 2026 00:00:00 +0800https://www.znl.net/posts/agent-evaluation-guide/演示成功一次，不能说明 Agent 可以稳定交付。通过固定任务题集、核对最终状态、重复试验和隔离环境，才能发现退步并解释失败原因。