AI Agent 评测：到底要测什么、新手怎么测？（附完整流程）

这篇教程系统讲解了 AI Agent 评测的维度、打分方法和落地流程，指出被测对象是模型加上提示词、工具、知识库的整套系统而非模型本身。评测至少要回答结果对不对、过程合不合理、代价能不能接受、行为安不安全四个问题，打分按规则优先交给代码、规则写不了的交给 LLM、争议和高风险样本留给人工。