长会话高并发智能体测试如何设计？

SnooPeripherals5313 · reddit · 2026-07-08

一位开发者在社区提问：在长会话场景下跑大量智能体测试时，怎样的运行规模才算最优，以及除工具调用失败、记忆形成等显性信号外还应关注哪些反馈循环，并指出该方向文献较少。属于 agent eval 工程的真实方法论讨论。