Agent 评估为什么要同时看结果和轨迹？
正确结果可能来自越权或偶然路径，错误结果也需要从轨迹定位失败环节。
完整回答
评估应覆盖任务成功、工具选择与参数、步骤数、权限、延迟和成本。对关键轨迹使用规则断言，对开放结果用人工或校准后的模型评分。
加分信息
- 主动给出可量化的验证指标
- 能结合失败案例说明取舍
常见问题
- 只背定义，不说明工程边界
- 只讲理想流程，不处理异常路径
面试官可能追问
- 这个方案最可能在哪一步失败？
- 你会用什么数据证明改动有效？
结合评估控制台展示结果分与轨迹分。
正确结果可能来自越权或偶然路径，错误结果也需要从轨迹定位失败环节。
评估应覆盖任务成功、工具选择与参数、步骤数、权限、延迟和成本。对关键轨迹使用规则断言，对开放结果用人工或校准后的模型评分。
结合评估控制台展示结果分与轨迹分。