构建 agent 系统的笔记

Agent 评估即事故回放：从生产轨迹构建回归语料库

Agent 评估套件应当从捕获的生产轨迹和事故回放中生长出来，而非从想象的任务中编写，因为真正重要的失败是被发现的，而不是被设计的。