EVAL

AI Agent 评估与上线验收

用 AI 工具辅助整理样本、生成测试、比较回答、检查工具轨迹和形成上线验收报告。

所属层级

Enterprise Layer

FDE 不能只说 Agent 看起来不错。评估要证明它是否用了正确工具、是否遵守上下文、是否能被人工复核、是否达到上线门槛。

学习产出

用 AI 工具生成任务级测试样本

区分开发时试错和上线前验收

检查工具调用路径和最终答案质量

输出上线验收报告

Anthropic: Evaluating AI Agents 学习 eval 思维：如何证明 Agent 可靠，而不是凭感觉试用。OpenAI Evals 作为评估样本和自动化测试概念参考。RAGAS 参考 RAG 指标，不要求掌握全部框架。