111

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...

我今天的ai coding还没考，咋就发了测评和面试😅😅那我ai coding还要考吗😅😅😅😅

上周字节跳动的 DeerFlow v2.0 在 GitHub 热榜霸了一周，49K+ Star，MIT 开源。说白了就是一个 AI Agent 操作系统——你定义多个子智能体，它帮你调度、记忆、安全执行。 今天带大家 从零跑通，不讲原理废话，直接上手。 这个项目能干嘛？ 举个例子：你让 DeerFlow "帮我调研 AI Agent 赛道的融资情况，生成一份报告"，它会：  规划拆解 → 主智能体把任务拆成子任务 研究智能体 → 调用搜索工具收集信息 编码智能体 → 在沙箱里跑数据分析脚本 写作智能体 → 把结果整理成结构化报告 记忆系统 → 下次你再问相关问题，它记得上次...