未来企业的核心资产，不是大模型，而是 六

十、Evals将成为Agent时代的测试基础设施在这场对话中，黄仁勋和Harrison Chase都多次提到了评估系统，也就是Evals。传统软件的结果通常比较确定。输入相同的参数，程序大多会按照固定逻辑返回结果。但Agent具有明显的概率性。即使输入同一个任务，由于上下文、模型版本、工具状态和执行轨迹不同，也可能得到不同结果。企业不能只检查Agent有没有正常运行，还需要回答：输出结果是否正确； 是否完成了用户真实目标； 是否调用了正确工具； 是否覆盖关键业务场景； 是否存在事实错误； 是否违反企业规则； 是否泄露敏感数据； 是否出现越权操作； 响应速度是否可以接受； 单次任务成本是否合理； 模型升级后是否发生能力退化。LangChain官方强调，Evals应该贯穿Agent开发的完整生命周期。上线之前，需要测试提示词、Harness、工具、模型和数据变化；上线之后，则需要监控真实行为，将生产环境中的失败案例转化为新的回归测试。([LangChain][1])这意味着，Agent评估不是上线前做一次测试就结束，而是一个持续运行的质量闭环：评估—发现问题—分析轨迹—调整系统—回归测试—重新上线。从这个角度看，Agent的普及不会削弱测试与质量工程的重要性，反而会扩大测试对象的范围。未来需要测试的不只是传统软件功能，还包括：模型； Prompt； RAG知识库； Agent记忆； 工具调用； MCP服务； 多Agent协作； 执行轨迹； 权限控制； 安全护栏； 最终业务结果。测试工程师也将从验证固定逻辑，逐渐走向评估智能系统的行为与结果。十一、未来的公司，可能是一组持续进化的Agent过去，一家公司通常被描述为人员、部门、系统和业务流程的集合。在Agent时代，这个定义可能会逐渐发生变化。企业一边保留原有组织，一边将大量重复性工作、知识性工作和复杂决策辅助任务，沉淀为可以持续运行的专业Agent。这些Agent会不断接收：企业数据； 业务执行结果； 领域专家反馈； 用户真实需求； 失败案例； 评估结果。再通过Harness和Evals持续改进。最终，一家企业拥有的可能不只是一套软件系统，而是一组不断进化的专业智能体。它们理解企业知识，掌握专用工具，遵守权限边界，进入真实流程，并与员工共同完成任务。这或许就是黄仁勋所说的：“未来的公司将建立在Harness之上。”