把 Agent 送上生产：RAG、工程、安全、评测
作者：toy 一、为什么最后一篇要把这四件事放在一起 这个系列到了第九篇，前八篇依次拆解了 Agent 的基础理论、规划推理、开发框架、工具调用、记忆模块、微调方案、推理服务、显存优化。每一篇都可以单独成立，但如果你真的要把 Agent 推...
标签索引
评测
这个标签下有 4 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
从静态 benchmark 到活的 eval：Vincent Koc 这场分享，真正戳中的不是评测，而是 agent 软件的变形速度
很多人现在一提 eval，脑子里冒出来的还是老三样：题库、benchmark、离线跑分、回归测试。这个思路在过去不是错的。问题是，今天的 agent 系统已经越来越不像“一个发布后基本不动的程序”了。它会接工具、会吃上下文、会随着用户习惯漂...
耗时34小时、成本仅800元：开源Agent Blade-Code挑战SWE-bench评测
开发者echoVic发布了自研的开源CLI编程助手Blade-Code，被视为Claude Code的平替方案。该工具集成了20多种内置工具，支持MCP协议及多模型提供商。作者公布的SWE-bench评测数据显示，完成全语言评测仅耗时34小...
豆包 AI 优缺点深度评价：与 Monica、Cherry Studio 等客户端横评
本文对豆包、Comet浏览器、Monica和cherry studio四大AI客户端工具进行深度评测。豆包优势包括套壳Chrome内核支持网页浏览、AI阅读模式快速总结内容，以及响应迅速，但模型质量一般且易长篇大论；Comet浏览器提供网页...