Agent Eval 实践指南 03: 如何选择评估方法
《Agent Eval 实践指南》第三篇：系统梳理程序化评估、LLM 判分与人工评估的适用场景与选择依据，探讨如何将业务目标转化为可量化指标，以及评估器自身如何被评估和校准。
Agent-Eval
Agent Eval 实践指南 02: 如何准备评测集
《Agent Eval 实践指南》第二篇：从 query 来源、反推合成、judgment 设计，到 world_state 与 trajectory_anchors 的必要性，拆解一条合格评测 case 的完整构成要素。
Agent Eval 实践指南 开篇01: 系统越复杂，评估越要先行
《Agent Eval 实践指南》系列开篇：拆解 Agent 系统的非确定性与复杂度累积，论证评估为什么不是成绩单而是目标函数，以及如何用最小评测回路将反馈从天级压缩到分钟级。