评估指标

做aiagent评估，不能只看模型回答是否“像人”、跑分是否好看，更要看它在真实任务里能不能稳定完成目标、能不能调用工具、出错后能不能自我修正、成本是否可控、权限和数据是否安全。比较靠谱的做法是：先定义业务场景和成功标准，再设计测试任务集，最后用“任务完成率、工具调用准确性、稳定性、成本、可观测性、安全性”一起判断，而不是只拿一次演示效果做决策。 先判断评估…