这段时间一直在做简历上的项目，我算是尚硅谷和黑马的骨灰粉了，全栈开发的核心教学视频我基本都有学习。 最近在B站上看视频来跟进点评和外卖的过程中我不断定期去反思自己的成效 ，发现单纯盯着视频上老师的节奏，敲下暂停键然后一比一的照抄下屏幕上标准代码并没有让我的工程能力和后端素养得到真正的提升。在瞌睡，回放，看弹幕来修bug的返回折腾下我开始感到厌倦与疲惫。 经过长期的听课的被动学习，我深深的认识到此举的效率十分低下并且我相信最终和曾经的各位一样：除了完美运行的代码文件和简历上的项目外一无所获。 扪心自问学这一个月到底学到了什么？是真的完全熟悉前后端联调的标准流程？是真的理解了数据与对象在消息流转过...

可能是我见识太少了

焦虑了将近半个月，终于offer了，我真的哭了

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...