2026 / exploring
Practical evaluation for agents in real workflows.
Agent 在公开测评中表现良好，并不代表它能在具体业务里创造价值。我正在整理评估方法与实际案例，尝试回答：什么值得评估，应该投入多少，以及结果如何影响行动。
已形成两篇关于评估必要性与实施方法的文章草稿，后续继续收集真实工作流中的案例。