「评测胜过感觉」：热议中观点称无 eval 数据的 agent 方案都只是猜
annetgriffin · x · 2026-11-05
一条关于 agentic workflow 的观点在 X 上流传：evals > vibes——对各种 agent 工作流的「热辣观点」如果没有多方案对比的评测数据支撑，本质上都是在瞎猜。
这呼应了 AI 工程圈的共识性主张：把 agent 优化建立在可量化的 eval 体系上，而非直觉与演示观感。
「编程与Agent」频道最新
- Techno Tim 自建家用 AI 平台:三块旧 GPU + vLLM + 语义路由统一入口 — JeremyCMorgan · 2026-11-05
- 手绘草图 4.5 分钟变可打印 3D 模型:Kimi K3.1 Pro 实测开源工作流 — Arindam_1729 · 2026-11-05
- 开源 X/Twitter MCP 服务器:让 agent 发推、搜索、管理账号 — modelcontextprotocol · 2026-11-05
- Cognition 发布 SWE-2 Flash:276B-A12B 胜过所有美国开源权重模型 — carlesgelada · 2026-11-05
- 27 个编码 agent 协作 14 天:69 万行代码、1269 个 PR、三厂商交叉评审 — oliver-zehentleitner · 2026-11-05
- 产品设计师首作：纯 JS+Three.js 打造星露谷风森林小镇游戏 — algo_diver · 2026-11-05