智能体观测与评测：从埋点标准到生产级评估体系 Agent 的观测解决看见问题，评测决定能否上线。本文从 OTel GenAI 语义、Langfuse 等开源平台、终态锚定与 pass^k 方法论，到隔离评测环境，梳理一套可落地的质量工程闭环。