可靠 Agent 的工程模式
一条可以继续验证的思路
Agent 评测
这里有 3 篇文章，从一个词走向真实工作里的选择；先读懂，再决定要不要使用。
阅读线程开放
3篇札记
阅读方式先找到你卡住的地方，再顺着证据和取舍走
每篇可以独立阅读，也可以沿着这条线程继续。
可靠 Agent 的工程模式无需登录
本页解决的问题
先给结论什么是「Agent 评测」，它会影响哪些 AI 决策？
没有评测，修一个 bug 制造三个。Anthropic 的 Eval 方法论 本页把相关概念、常见误区和实践文章放在同一条阅读线程里。
判断标准
先判断你卡在定义、选择还是验证，再从下方 3 篇文章中选择最接近的一篇。
下一步
从「为什么评测比训练更重要」开始，读完后用自己的任务复述结论。
常见误区
不要把同一主题下的所有方法当成可互换方案；输入、风险和验收标准变化时，答案也会变化。
这条问题线程