一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...

感觉自己还是挺狗运的，比不上牛客这些双非大佬随便秒终于戴上红围脖了，xdm 加油

找实习三个月，我的信息源从五个缩到一个 之前我的日常：· 早上刷一遍牛客讨论区看有没有新开岗位· 中午翻三个求职群，爬楼看有没有人发招聘信息· 下午去各公司官网挨个看· 晚上刷小红书看"XX公司开岗了"的笔记· 睡前再检查一下关注的两个公众号 每天光找"哪些公司在招"就要花一个多小时，找到之后还要手动整理公司名、岗位、城市、投递链接，经常发现有的链接已经过期了，或者岗位要求变了。上周被同学推了一个汇总表，打开之后感觉之前的时间都浪费了。https://link.zhiyeapp.com/r/Xe4qmZlgj9这个表每天更新，公司、岗位、城市、届别、投递...