LangChain：把评测做成 coding agent 的训练数据
LangChain · x · 2026-07-23
LangChain 转发的这条帖子，重点是如何为具体的 coding agent 场景提供 高质量评测与环境。
文中把 eval 视为 Agent 的训练数据：要改进行为，最有效的方法之一是先访谈用户，弄清楚 Agent 应该擅长什么，再把这些目标逐步转成任务和测试。由于 Agent 在真正跑起来之前很难预测会怎么做，因此优化天然就是一个迭代过程。
帖子还提到一个开源框架，可以把团队自己的 skills 和 workflows 接入 coding agent，并用 Trace 数据来推动整个评测流程。
所属事件:LangChain 推出 Eval Engineering 助力编程智能体自建评估(6 条相关)→
「编程与Agent」频道最新
- 模型之外才是关键:一文拆解 RAG 到多智能体的六大 AI 架构 — goyalshaliniuk · 2026-09-11
- 零基础开发者自建分层记忆架构，仅 20k token 记住一年对话 — matteoianni · 2026-09-11
- Warp 六个非工程团队全用 Linear 和 Claude Code 工程化运作 — mon__lim · 2026-09-11
- 九年后端老兵：AI 代码不比人写的差，变糟的只是速率 — Sweaty-Landscape-561 · 2026-09-11
- 实测质疑 RTK 省 token 说法：成本基准显示并不成立 — michalwarda · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11