第一篇·为什么评估是一切的起点: 从"为什么传统软件工程方法对智能体失效“切入，剖析非确定性、Prompt 即源代码、依赖会自己漂移这三大根因;进而提出 ADLC(Agent Development Lifecycle)--为智能体量身设计的开发生命周期，并把企业Agentic开发归纳为三类工程实践:把评估跑起来/让数据持续流入评估/让系统架构可被评估。 第二篇·评估方法论: 澄清三个常见的评估误区，建立两根支柱的评估框架--三种评估粒度(黑盒/玻璃盒/白盒)和三层 证据权重;明确企业要测的八类维度(质量、性能、责任、成本.....);讨论LLM-as-a-Judge的价值与边 界，并引入Agent-basedEvaluation将专家级评审规模化。 第三篇·在亚马逊云科技上构建企业级智能体: 给出工程实现层面的全景图-自动化评估工作流+三层评估库;按智能体形态(单Agent/工具调用/多Agent)匹配关键指标;讲清 Trace-driven评估工作流的四个步骤;并把评估嵌入到开发流程
