有直播回放？

那评测工程化的方法论还有相关项目有不，有具体的案例不？

牛啊，谢谢佬，我先试一试。

谢谢佬

有没有通用的解决方案，针对各种自研的 agent 平台。

对了那个轨迹判断，每一次发送 prompt 给 llm，llm 决定调用哪些 tool，而且每次他的轨迹都不一样，那么怎么做质量评估，甚至有时候直接用大模型里面的内容进行返回， 没有使用 tool，这样的话怎么做评估。

抱紧大佬的大腿

蹲，DeepEval 框架做 agent 工具链质量评估，有试过嘛，能出一期嘛。

蹲，期待一下。

蹲能否出一个测试 mcp 还有 skill 的测试方法论或者测试方法。

蹲

蹲剩下的两篇

忙着年终总结呢

然后有什么 ai 测试的方法论不

所以有什么方法或者理论嘛，看了整篇了。

mark，期待你的开源。

同问。

而且这玩意要需求文档够明确，如果需求文档有点模糊的话容易抽风把。而且还有需求文档内容超过大模型上下文等问题。

这个 ai 测试平台用的人多嘛。不多的话可以用 ai 的 ide 做这个，就不用搭建平台了。

是这样的，那也要开发给部署一版接入 sandbox 环境

正常来说接入第三方支付是有一个沙箱环境的吧，这个沙箱环境是第三方 api 会提供的吧，可以叫开发部署一个接入第三方支付沙箱的 api。然后查看这个支付的链路正不正常。

可能 yaml 脚本执行不符合大模型的胃口，风格不合适。可能和大模型上下文有点关系。

喔，好一个含精量。不过看起来好像有点割韭菜了，确实。

招不招初级的？