1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...

求内推

rt 不知道是真的假的丁老板 太难绷了

全篇不会教你怎么去给Agent创建Skill，而是教会你什么是好的Skill、坏的Skill以及究其原因。什么是Agent Skill一个根本性的误解大多数人听到“Agent Skill”，首先想的是：教会AI去做某件事情但是你有没有想过，现在的大模型已经不知道喂了多少东西了，像维基百科、Word问单号、github代码仓这些，都不需要你教给大模型那么Skill到底是个什么？Skill是知识的外化机制从作用机制上来说，Skill其实教会模型怎么去做？传统AI，知识都被锁在了模型参数当中，你如果像给模型去塞一些新的技能？怎么做？ 传统方式： 收集数据 → 设置 GPU 集群 → 参数训练 → 部...