Google 发布 AI 智能体评测指南：告别主观体感抽测

Google 开发者团队发布 AI 智能体系统化评测指南与配套开源工具 agent-eval，帮助团队告别仅凭主观体感（vibe check）抽测的粗放模式。方案倡导将评测锚定在关键用户旅程（CUJ），结合合成用户模拟与固定黄金数据集，采用布尔型判定代替模糊的 1 到 5 分制打分，并同步监控延迟、Token 消耗与工具调用等运行开销。