评估与进化
这一模块关注如何让 Agent 系统变得可比较、可测量、可迭代，把优化过程从感觉层带回可验证层。
评估与进化
没有评估体系，Agent 的优化就会停留在感觉层面。
模块定位
Agent 不是一次性写完就结束的系统。只要系统具有不确定性，就必须建立评估、反馈和迭代机制。
适合谁读
- 已经开始构建 Agent 系统，希望把优化从经验判断变成可验证流程的人
- 想理解数据集、任务定义、奖励函数和回归测试关系的人
- 想评估 harness、skills、长任务连续性与运行时外壳的人
- 想建立系统级演化能力，而不是只盯着单次输出效果的人
进入前建议
- 已读 Agent 核心机制
- 最好已读 Memory 体系、多 Agent 系统 与 工具与框架
推荐顺序
- 先读 Agentic Eval 设计，理解应该评估什么、如何切分评估粒度。
- 再读 奖励函数设计，看可执行任务里如何把目标映射成可优化信号。
- 最后读 Harness 与 Skill 的评估体系，把运行外壳、技能触发和系统级迭代真正接起来。
本模块文章
| 文章 | 类型 | 简介 |
|---|---|---|
| Agentic Eval 设计 | 核心 | 理解评估目标、粒度和数据集设计 |
| 奖励函数设计 | 实战 | 理解在可执行任务里如何定义合理奖励 |
| Harness 与 Skill 的评估体系 | 工程 | 理解长任务外壳和技能体系该如何被评估 |
学完后去哪里
这一模块本身就是主线的收束点。学完之后建议回到前面的模块，用评估视角重新审视自己的工具选择、上下文设计和系统架构。