Agent 评测全流程拆解：数据集、Worker、评分器、发布门禁

文章结合内部一套 Agent 评测系统，拆解从用例设计、任务执行、评分到回归的完整流程。作者先区分 Agent 评测与传统软件测试，指出 Agent 因模型概率性决策更强调衡量完成质量、过程质量与多次运行的稳定性，再说明任务、成功标准、执行证据三要素如何协作。