Agent 开发的评估体系包含哪些环节？

1. 评估体系的闭环构成

评估体系并非单一环节，而是贯穿需求、设计与上线运营的闭环，通常包含四个环节：目标定义、离线评估、在线评估与回归保障。

2. 目标定义环节

目标定义环节要先把成功指标写清楚，包括任务完成率、工具调用准确率、允许的成本与延迟上限、以及越权与升级行为的发生频率。这一步若跳过，后续所有分数都失去参照。

3. 离线评估与在线评估

离线评估在开发期用固定数据集运行，作为发布门禁，保证"已知场景不退化"；在线评估在生产流量上抽样打分，捕获"未见过的长尾失败"。LangChain 的实践建议是二者必须同时具备：在线评估告诉你昨晚的 helpfulness 是否掉了、某工具是否更频繁地失败；离线评估告诉你提示词改动、模型替换或架构调整是否真的带来改进。

4. 回归保障环节

回归保障环节把生产中出现的失败案例沉淀为评测用例，形成"线上发现 → 进入评测集 → 发布前拦截"的回路。这一机制与 ADLC 中"带裁决标签的追踪回流到下一轮构建"是同一思想的具体落地。