Agent技能需要工程化评估
bibryam · x · 2026-07-16
这条观点认为，**agent skills** 正在从“提示词”演变成更像“软件模块”的东西，因此也应该采用更像软件工程的评估与治理方法。 帖文列出的实践包括： - 明确定义完成标准（definition of done） - 触发测试与负面样例控制 - 确定性检查 - 结构化 rubric 评分 - CI 回归检查 - 最小权限原则下的权限测试 作者还给出一个关于评估 Codex skills 的 OpenAI 指南链接，核心意思是：agent 能力越工程化，越需要系统化测试，而不是只看主观感觉。