Agent 评估新视角：真正的输出是系统状态变更而非文本

Harshit-24 · reddit · 2026-07-31

作者提出，对于具备工具调用能力的 AI Agent，评估其效果不能仅看自然语言回复，而应关注外部系统的实际状态变更。

以 Komo AI 团队的实践为例，完善的 Agent 审计机制不应只记录最终文本，还需包含：调用的工具、具体操作与目标、操作前后的系统状态、人工审批记录及潜在故障。作者建议将外部通信阶段交由人工审查，并将系统记录保持在对话上下文之外，以防对话历史成为唯一的事实凭证。