【摘要】拆解 Agent 评测如何用指标分层、GT 来源和 Judge 校准，形成可回归的质量闭环。 原文链接：AI 小老六 导语 Agent 上线后，最难回答的问题往往不是“模型有没有变强”，而是“这个 Agent 在业务里到底有没有帮上忙”。传统软件可以用单测、集成测试、覆盖率来兜住质量，Agent 阅读全文