1、项目里负责的边界是什么？哪些内容是亲手实现和验证的？2、如果要做一套可落地的 Agent 评测体系，整体怎么设计？评测一般要分离线和线上两层。离线评测解决“改动前后谁更好”，线上评测解决“真实用户下效果是否稳定”。离线侧我会先把样本按场景拆开，比如知识问答、工具调用、多轮追问、拒答场景、多语言场景、长文本场景，然后分别看回答正确率、工具调用成功率、检索命中率、拒答准确率和格式稳定性。线上侧看用户行为指标，比如首轮解决率、转人工率、二次追问率、平均耗时、token 成本和异常率。Agent 不能只看最终答案，通常要拆成三层指标：检索层、决策层、生成层。检索层看有没有召回正确证据，决策层看有没...

第一次发牛客，想让兄弟们给点建议，我就想找个Java实习🙄

1、生图 Agent 的模型是什么？生图 Agent 一般不是单一模型直接完成所有事情，而是一套组合式链路。核心生成模型通常是文生图模型，比如 Diffusion 类模型，负责真正把文本描述转成图像。前面会有一个 LLM 负责理解用户需求、补全提示词、做风格约束、拆分子任务，后面还可能接图像评估模型、审核模型和重写模块。如果场景更复杂，比如“先理解需求，再生成多版图片，再筛选最佳图”，那 Agent 的结构一般是：LLM 负责意图理解、Prompt 改写、参数规划文生图模型负责出图评估模型负责打分、筛图审核模块负责安全过滤工作流层负责多轮迭代和状态管理所以生图 Agent 不是单模型，而是 L...