建立任务成功率、人工接管率、成本和延迟四类指标。
教程 · 隶属专题《AI Agent 专题》。
Agent 评估不能只看回答是否流畅。准备覆盖正常输入、缺失信息、工具失败和恶意输入的任务集，记录最终任务是否完成、是否需要人工接管以及是否产生不可接受的副作用。 线上运行时保留每一步工具调用、输入摘要、输出摘要、耗时和费用。定期抽样失败任务，区分提示词问题、数据问题、工具问题与模型能力边界，再决定是调整流程还是增加人工节点。