美团《Agent 评测白皮书》01：构建 Agent 评测体系的全景指南

美团技术团队发布《Agent 评测白皮书》系列第一篇，提出由离线评测、在线评测与监控、Case 挖掘与归因、观测基建组成的 Agent 评测体系。文章指出，一套完备的评测体系包含离线回测、在线质量观察、Case 挖掘归因三大模块以及评测标准、评测样本和评测能力三类核心要素。作者强调，观测是评测地基，团队应根据业务阶段（冷启动、扩量、自进化）参考成熟度自查表，优先补齐短板而非追求一步到位。