生产环境 Agent 怎么做评测:mock 工具还是真调用引热议
Mountain_Edge1061 · reddit · 2026-10-18
Reddit 用户向生产环境部署 AI Agent 的开发者请教评测实践:评测时是否 mock 掉工具调用和数据库查询?是先跑完整场景、用 Langfuse 等工具记录 traces 再做评测,还是直接在内存中检查调用了哪些工具来判断场景是否正确?发帖者希望给 Agent 加上评测,防止修改 prompt 后出现回归。
「编程与Agent」频道最新
- AgentCave：把散落各地的 Mac Studio 与 GPU 箱塞进一个虚拟机房 — noahsolomon · 2026-10-18
- 用 LLM 维护 OpenAPI 规范？工程师反思完美主义不是成功前提 — charliermarsh · 2026-10-18
- 用户喊话 Anthropic：别开新会话，一个聊天窗记住全部历史 — khademinori · 2026-10-18
- 打给你的 MCP:电话保持通话、双向对话、支持 90 多种语言 — radressss · 2026-10-18
- Muse 22 天下载破 500 万：6 个核心概念教你用好 Meta 个人智能体 — aakashgupta · 2026-10-18
- 开发者自建桌面 Agent 平台：任意框架子代理+本地运行 — TopFuture2709 · 2026-10-18