行业与实践 · 标签「套具」

动态与发布/2026-10-14/8 分钟

套具工程：用行为评测看住编码智能体

Google 在 2026 年 9 月 9 日说明行为评测。端到端基准单次常超过 100 美元且只给总分；行为断言单轮可低于 1 秒，本地套件用 pytest 在 5 秒内跑完。套件用来挡住回归，而不是庆祝好了 2%。