-
货拉拉业务 Agent 评测平台的工程实践与深度思考
导读:大模型时代,业务智能体(Agent)正在客服、调度、用户司机协作等核心业务场景中爆发。然而,从“Demo 演示惊艳”到“敢放进生产环境”,中间隔着一整个质量评测与工程保障体系。本文将系统揭秘货拉拉如何打造面向业务 Agent 的全生命周期自动化评测平台,实现 Agent 质量从“不可知、不可控”走向“可量化、可验证、可信任”。 一、为什么业务 Agent 评测这么难? 1.1 一个让人尴尬的…- 3.2k
- 0
-
Better Harness:Agent 的交付过程,现在可以像录像一样回放
Better Harness 是我们开源的一套工具,用来检查 Coding Agent 的工作方式,并把有效经验沉淀成可复用的 SKILL。上线以来,我们一直在做一件事:从 Agent 的会话中识别重复出现的工作路径,判断哪些值得进一步沉淀。做起来以后发现,这件事远比“分析会话”复杂。 对于一次软件开发任务来说,Agent 的行为并不是孤立发生的。它从一个需求或者用户故事开始,经过对需求的理解、上…- 1.2k
- 0




