推文

@KakaluoteW45042 · 2026-10-11 01:47

agent 项目的评估最容易变成自己出卷自己改。demo 里任务边界清楚、工具齐备，真实用户一句含糊需求进来，水位立刻现形。真想知道水平，就让陌生用户出题。可惜这么干的团队不多，毕竟分数难看没法汇报。

曝光 35 · 评论 0 · 点赞 0 · 书签 0