全部标签

Agent评估

agentic-eval 的评估迭代模式，Agent 输出的最后一道防线

你用 Agent 写了一晚上代码，功能跑通了，逻辑看起来也没毛病。但你盯着那几百行代码的时候，心里其实有点没底：变量名取得到位吗？边界条件全处理了吗？是不是藏着一个只有半夜上线才会炸的 bug？这件事的底层焦虑其实不是 Agent 不行，是你没法验证它到底行不行。大多数人会把 Agent 的输出扫一眼就过，或者最多让 LLM 再"看一下有没有问题"。坦白讲，这种级别的检查约等…
skills资源
- 1k
- 0
强哥来了3小时前