#agent-eval
Google 发布 AI Agent 评估指南：超越“Vibe Check”的标准化测试方法
一个 AI Agent 可能卡在重试循环里，反复调用同一个工具，token 用量一路飙升，最后仍然返回一段措辞得体、看起来完全正常的回答。
你在终端里扫一眼，觉得没问题，就发布了。
这种靠手感验收的方式，Google 在文章里称为 vib…