智能体框架该看什么指标
Greedy_Trouble9405 · reddit · 2026-07-10
帖子比较了 Google ADK 和 LangGraph 在同一模型、同一提示词、同一工具集下处理 300 多封 Gmail 消息的表现。作者重点采集了总成本、输入输出 token、LLM 调用延迟和模型调用次数，而不是只看执行时间。 结果显示，延迟几乎相同，但 token 消耗差异更明显。作者因此提出：在生产工作负载里，延迟未必是最值得优化的指标，并征求大家对多智能体系统基准测试中应优先关注哪些指标的看法。