【摘要】你有没有遇到过这种情况—— 上线了一个 AI Agent，测试时跑得好好的，上线后用户一顿吐槽。 你回去看评测分数，90 多分。再看用户的真实反馈，完全是两回事。 分数很高，但说明不了任何问题。 这不是你的 Agent 不行，是你的评测体系没搭对。 AI Agent 的评测，跟传统软件测试完全不是一 阅读全文