博客

构建 agent 系统的笔记

评估工具、编排模式、记忆设计及其背后的失败案例——在细节仍然新鲜时记录下来。

所有文章 llm-agents 40 agent-security 24 multi-agent-systems 17 evaluation 12 agent-architecture 10 agent-evaluation 10 agent-safety 10 authorisation 9 policy-enforcement 9 idempotency 8 llm-evaluation 8 provenance 8

一张电路板的微距照片，展示错综复杂的路径和组件，象征被版本管理的依赖。

2026年10月01日·4 分钟阅读

评判者即组件：像对待任何其他依赖一样对 LLM-as-Judge 流水线进行版本管理

只有当评判模型、提示词、评分标准和解码参数被固定并作为一等工件进行回归测试时，LLM-as-judge 才值得信赖。

llm-as-judgeevaluationversioning