evaluation - 构建智能体系统的评估框架。构建智能体系统评估框架，用于系统测试智能体性能、验证上下文工程选择及度量长期改进。标签更新于: 2026-09-24评估智能体系统上下文工程LLM裁判评估量规测试集能力典型输入典型输出该技能可以做什么构建智能体系统评估框架系统测试智能体性能验证上下文工程选择度量长期性能改进部署前捕获性能退化实现自动化评估管道输入智能体输出基准真值数据测试集评估量规输出评估指标与得分通过或失败结果趋势分析仪表板退化警报要求来源规范: SKILL.md
