场景测试

做 aiagent评测，重点不是看它会不会聊天，而是看它能否在真实任务里理解目标、调用工具、完成流程、处理异常、留下可追踪结果。如果只是试几个提示词，很容易把“模型能力”误当成“Agent能力”。更可靠的做法是：先确定业务场景，再拆成功能维度，最后用统一任务集、统一评分标准和统一成本口径做对比。 先判断：你评测的是哪一类 AI Agent AI Agent不…