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...

怎么改改啊😭

😭😭😭其实学的很糟糕，我妈说别太累了直接眼泪止不住的往下掉，😭😭😭😭，本来想告诉她，我想回家了，但是和她多说也没什么用，多一个人烦恼罢了。😭😭😭😭

最近帮几个学弟学妹对了一下字节客户端暑期实习的面试反馈，都是 27 届、C++ 方向、一轮技术面。他们聊下来节奏差不多：项目能讲十五分钟左右，中间夹着八股，最后手撕，整场大概一小时。八股这块有个共同点——不是背一句定义就过，面试官爱接一句「你项目里怎么做的」。手撕有人碰到两数之和，写完会追问复杂度。有的已经收到感谢信，有的还在流程里，题目我按反馈重新组织过表述，和网上原文不会对上字，考点应该是齐的。结合项目说明 std::shared_ptr 的典型使用场景与引用计数释放时机shared_ptr 循环引用的产生原因及 weak_ptr 等解决方式进程与线程在地址空间、调度单元、通信方式上的对比...