研究与基准测试/2026-09-21/6 分钟30 题只是例子：腾讯云工作台把草稿和线上分开测腾讯云智能体开发平台文档更新于 2026-09-21。评测集可以来自历史对话或功能点，再交裁判模型打分。示例问法是 30 题，不是上限。调试看草稿，客户看已发布配置，两边可能不一致。近 30 天对话分析同样是示例。
