开发者激辩 agent 评测思路:看 trace 而非 UI

zeeg 在回复 LukeParker 的 OpenEval 评测项目时提出「UI 已死，你需要的是 trace」，建议直接用 vitest-evals 查看完整会话轨迹与工具调用，而非只看界面表现。他进一步区分了两种评测思路：OpenEval 类似隔离式的「测这个 prompt」受限模式，而他的 vitest 方案则偏向混合测试，两者定位有所不同。

2026-09-12 ~ 2026-09-12 · 2 条相关

• OpenEval 作者:看 trace 找 agent 作弊,别只看 UI — zeeg · 2026-09-12
• zeeg 谈评测分野:混合测试 vs 隔离式 prompt 评测 — zeeg · 2026-09-12