Agent 技能别裸奔，先做评测
AI Engineer · youtube · 2026-07-14
Google DeepMind 的 Philipp Schmid 讨论了一个在 agent 开发里常被忽视的问题：**技能不能只靠手工跑两次就上线，必须做评测**。 他强调，很多 agent skills 数量虽多，但几乎没有测试；工程上应该像发代码一样，为技能建立轻量级 eval harness，提前捕捉触发失败、行为异常和回归问题。 演讲还覆盖了技能的定义、如何写出更容易被正确触发的 skill，以及一个完整的可靠性流程：从构建、评测到部署前验证。