标签: 工程实践
与该标签相关的技术文章合集。 "工程实践".
MCP 爆炸之后，Agent 怎么从一堆工具里选对那一个
工具越多，越不能把选择权全丢给模型。
MCPAI Agent工程实践发布于Agent 评测工程化（九）：把一次性评测变成持续优化体系
一次评测发现问题，持续评测才形成质量体系。
AIAgentLLM发布于
Agent 评测工程化（八）：不用消息队列，也能跑长任务
评测任务慢且会失败，状态机比热闹架构更重要。
AIAgent后端发布于
Agent 评测工程化（七）：从评分报表到 PM 决策工作台
报告不是字段展示，而是把评测结果翻译成决策路径。
AIAgent产品设计发布于
Agent 评测工程化（六）：评测前，先把 Agent 输出拆开
评测前先看懂答案，否则分数只是误读的结果。
AIAgentLLM发布于
Agent 评测工程化（五）：让 LLM-as-judge 稳定输出结构化结果
模型负责判断语义，系统负责守住协议边界。
AIAgentLLM发布于Agent 评测工程化（四）：红线、一票否决与 1-5 分
分数只有能回到规则，才有讨论和修复的空间。
AIAgentLLM发布于
Agent 评测工程化（三）：从低分样本到问题簇
单条 badcase 只能讨论，问题簇才能进入排期。
AIAgentLLM发布于Agent 评测工程化（二）：Rubric 不是 Prompt，而是可执行的质量协议
Rubric 不是更长的 prompt，而是系统可执行的质量协议。
AIAgentLLM发布于
Agent 评测工程化（一）：为什么不能只看平均分
平均分回答不了红线，也推不动下一次修复。
AIAgentLLM发布于