评估 on 爱折腾的工程师 https://www.iceyao.com.cn/tags/%E8%AF%84%E4%BC%B0/ Recent content in 评估 on 爱折腾的工程师 Hugo en-us Sun, 03 May 2026 00:00:00 +0000 Agent Skills 工程化深度解析：用 skill-creator 测试、度量并持续改进技能 https://www.iceyao.com.cn/2026/05/03/agent-skills-evals-skill-creator/ Sun, 03 May 2026 00:00:00 +0000 https://www.iceyao.com.cn/2026/05/03/agent-skills-evals-skill-creator/ 一、引言：Agent Skill 不能只“写出来试试看” 原文链接：Improving skill-creator: Test, measure, and refine Agent Skills 来源：Claude Blog / Anthropic 发布时间：2026 年 3 月 过去我 揭秘 AI 智能体评估：从任务、轨迹到生产级 Eval 体系 https://www.iceyao.com.cn/2026/04/30/ai-agent-evals-demystified/ Thu, 30 Apr 2026 00:00:00 +0000 https://www.iceyao.com.cn/2026/04/30/ai-agent-evals-demystified/ 一、为什么 Agent 越强，评估越难 Anthropic Engineering 在 Demystifying evals for AI agents 中提出了一个很重要的判断：AI Agent 的价值来自自治性、工具使用和多步规划，但这些能力也让评估从“判断一