“我的 Agent 效果好吗？”——在生产环境中，我们不能只凭感觉回答。我们需要一套客观、量化的指标来评估 Agent 的性能，并指导后续的优化迭代。

本节将介绍如何为 Agent 系统建立评估基准。我们将探讨：

• 组件级评估： 使用 RAGAs 等工具评估 RAG 系统的检索和生成质量。
• 端到端评估： 设计任务来测试 Agent 完成特定目标的能力。
• 持续集成/评估： 如何将 Agent 评估融入 CI/CD 流程。

TODO