Meta Agent落地难，难在哪？
做单 Agent，你好歹还能用 BLEU、ROUGE 或者人工评分来评估输出质量。多 Agent 系统的评估几乎是空白： End-to-End 成功率和哪个 Agent 有关？ 你不知道该优化谁。 中间产物的质量标准是什么？ Agent B 收到的输入变差了，它该"纠错"还是"原样传递"？目前全是拍脑袋的设计决策。 回归测试怎么做？ 改了一个 Agent 的 prompt，你怎么知道整个链路的输出没有劣化？ 没有度量就没有优化。没有优化就没有迭代。没有迭代，系统就停在"跑通了但不敢用"的阶段。
发布于 江西
分享
1
1
未登录
友善发言
评论
加载中
