搞LLM和Agent应用测试快把我搞疯了，逻辑全变了！
刚入行搞大模型项目，我发现现在的开发逻辑跟传统的完全不是一个维度的！以前写代码讲究红绿重构，代码对不对、跑没跑通一眼就能看出来。但现在碰到生成式AI，这随机性简直让人抓狂，根本没法像以前那样写死一个预期结果去对。
下一篇
只会问 AI 要代码的开发者，正在丧失对系统的掌控力 →
我现在特别焦虑，急需大家分享一下实战经验：
1. 评估（Evaluation）到底怎么搞？是大家都在靠人工抽检，还是已经有成熟的自动化评测框架了？
2. 针对Agent这种逻辑，有没有什么避坑指南？
3. 有没有什么硬核的Best Practices可以参考？
哪怕是些零散的经验也行，真的求各位大佬指点！我太想把这套评估逻辑理顺了，不然感觉自己一直在盲打。
