文章以美团《Agent评测白皮书》第二篇为引,讨论商家AI助手接入后端前的评测落地。核心观点:Agent请求成功不等于验收合格,须先明确巡检任务边界与异常样例;自动评分器可能偏爱措辞完整的回答,需用人工样例校准;评测应嵌入发布流程,变更前后回归并控制成本;接入时先只读运行、保留调用记录,再逐步开放写入。
完成下面两步后,将自动完成登录并继续当前操作。