Philipp Schmid 作者

AI代理技能数量激增但多数未做评测且常由AI生成，文中给出落地评测方法：先量化成功标准，再用10–20条提示集驱动代理运行并以正则等确定性检查或LLM裁判评分持续迭代，案例通过改写触发描述与将警告改为明确指令把Gemini技能通过率从66.7%提升到100%，结论是用评测防止回退并据结果决定技能维护或退役。