评测https://hex4c59.cc/tags/%E8%AF%84%E6%B5%8B/Hex4C59 的中文技术博客，记录 AI Agent 工程、Rust、音视频开发与软件设计实践，包含源码分析、教程和可运行示例。zh-cn理解 AI Agent 评估：方法与实践https://hex4c59.cc/translations/demystifying-evals-for-ai-agents/https://hex4c59.cc/translations/demystifying-evals-for-ai-agents/Sat, 17 Oct 2026 08:00:00 +0800Anthropic 系统介绍 AI Agent 评估的组成、评分器、不同类型 Agent 的评估方法，以及从零搭建和长期维护评估体系的实践。如何评测一个 Agent：不只是看它回答得好不好https://hex4c59.cc/agent/agent-evaluation/https://hex4c59.cc/agent/agent-evaluation/Sat, 17 Oct 2026 08:00:00 +0800解释 Agent 评测为什么不能只看最终答案，并给出覆盖任务完成率、过程合理性、错误恢复与稳定性的评测框架。