Agent 怎样评测？把任务结果和执行过程分开看
从可验证任务集出发，同时评估完成质量、工具行为、权限边界与成本，避免只让另一个模型打一个总分。
KEEP LEARNING
Category: Agent 开发
理解工具调用、工作流和评测，把模型能力接到真实业务。
Agent 还是固定工作流？从任务不确定性做选择
用步骤是否稳定、执行风险和验证成本决定自动化形态，避免把所有模型调用都包装成自主 Agent。
Agent 工具调用失败怎么办：超时、重试与不确定结果
把模型的调用建议与系统的实际执行分开，解释参数校验、有限重试、幂等和结果不确定时的处理方式。