摘要：
2026 年最流行的 14 个 Agent Eval 框架调研：排名、出处与优缺点 评测工具比 Agent 框架还卷——这篇帮你省掉一周的调研时间。 Agent 框架的卷是明面上的，评测（Eval）赛道的卷是暗地里的：过去一年，几乎所有观测平台都长出了 eval 能力，所有 eval 框架都长出了 阅读全文
posted @ 2026-09-27 22:41
iTech
阅读(67)
评论(0)
推荐(0)
摘要：
DeepEval：用 pytest 的姿势评测 AI Agent，六个指标盯住六种失败 Agent 会"选对工具但传错参数"，也会"完成任务但绕了十个弯"——每种失败都需要专门的指标。 写完一个 AI Agent，你怎么知道它靠不靠谱？手测几个 case 试试感觉？这不叫评测，这叫抽签。Agent 阅读全文
posted @ 2026-09-27 22:32
iTech
阅读(49)
评论(0)
推荐(0)
摘要：
microsoft/ai-agent-evals：把 Agent 评测塞进 CI/CD，改动不达标就别上线 传统软件有单元测试守门，Agent 的"单元测试"长什么样？微软给了一个官方答案。 传统软件的 CI/CD 里，测试是守门员：单测不过、覆盖率不达标，代码就别想合并。但 Agent 应用一直缺 阅读全文
posted @ 2026-09-27 21:32
iTech
阅读(25)
评论(0)
推荐(0)
摘要：
Claude Code Action：把 Claude 装进 GitHub，PR 和 Issue 里的全自动工程师 在 PR 里 @ 一下 claude，它读完上下文、给出审查意见、顺手把 bug 修了。 你是否想过：GitHub 的 PR 和 Issue 里如果能直接喊 Claude 来干活会怎样 阅读全文
posted @ 2026-09-27 09:21
iTech
阅读(41)
评论(0)
推荐(0)
摘要：
AI 技术日报 - 2026-09-27 Top 10 AI 技术要闻 谷歌 TPU 跑 Kimi 比英伟达 GPU 快 57%，用的还是 DeepSeek 推理框架 推理创业公司 Inferact（vLLM 原班人马）在谷歌 Cloud 合作下，用 16 块 TPU v7 Ironwood 跑 K 阅读全文
posted @ 2026-09-27 09:03
iTech
阅读(56)
评论(0)
推荐(0)
浙公网安备 33010602011771号