Agent 测评全景：从测试绿灯到真实任务价值

英文标题：Agent 测评全景：从测试绿灯到真实任务价值

本文梳理了 Agent 评测中的核心维度，涵盖测试用例、模型回答、实际交付与质量证据。文章深入探讨了分母基准、裁判模型、检索表现、调用成本与实验可比性等关键问题。该分析旨在帮助开发者准确判断测试绿灯背后的真实能力，为评估 Agent 在现实业务中的工程落地价值提供参考。