第十篇：如何搭建 Agent 可观测与评估体系

Agent 产品能不能上线，最终追求不在于表现得多惊艳，而是要持续知道它为什么成功、为什么失败、哪里在退化、哪里值得继续加资源。

这篇文章会把评估和可观测从附属环节提升到系统核心。一旦缺少这套能力，Prompt 会越写越长，问题会越修越乱，团队会始终停留在感觉还行的阶段。

• 明确 Agent 评估与传统 LLM 评估的区别
• 搭建规划、工具、反思、记忆四类能力的评估方式
• 用 Trace、自动化评测和人工在环形成闭环

如果要做生产级 Agent，评估是基本盘。