在牛客训练营第一次打卡！

昨天提交的时候，主程失误把我的项目回退了，做的东西全没了，然后重新做了一遍，结果后来提交又冲突了，又重新写了一遍，后来同事给我发特效包的时候直接把所有代码都导出来了，我直接导进去了，写的代码又没了，而且更新检测不到，更新不了同事的项目，又改了好长时间了，还有策划瞎指挥导致浪费很长时间我实个习容易吗

我用过：“Claudecode”、“Cursor”。。。对面：“所以咱们这边是没有用过VibeCoding是吧”哈哈哈哈哈哈哈好像机器人检索关键词你们有遇到这么奇葩的HR吗？

有点搞笑了哈哈哈😂

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...