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...

感觉像诈骗分子

华为秋招以大规模线下面试为特色，也是后疫情时代较具规模的面试活动。其线下面试并非零散单间，而是“规模化作战”——HR会提前包下连锁酒店，将一楼大厅改为等候区，几百号面试官统一着装分区就坐，场面震撼且秩序井然。流程上虽为“2+1”（两轮业务面+一轮主管面），但并非连贯进行。我当时两轮业务面结束后，不到30分钟就收到反馈，同学们反馈时间也基本不超过40分钟，效率极高。主管面存在不确定性，我同组同学业务面表现优异，却因当天主管约满需后续补面，这类细节网上很少提及，建议大家面试前别排满行程。华为秋招面试实力是基础，但运气也很关键。我遇到温和的面试官，未答全问题也被引导梳理思路；而同学遇到严苛面试官，因...