CodexQA

公开课大模型与 Agent 评测实战

大模型与 Agent 评测实战

共 45 讲

第 34 讲 · 7:08

从零搭建 Agent 评测体系

本讲实验：把评测对象、数据和评分方式组织成一套可持续运行的体系。

在 B 站打开这一集慢学AIB 站合集视频由 B 站播放。

这门课

一门课讲清 AI 测评和传统测试差在哪，指标、流程、风险和缺陷怎么定级，再用 EvalScope 对接 Langfuse 把一批用例跑起来。视频来自学掌门的公开合集，站点只收测评主线。

适合谁
做 AI 测试、模型验收或 Agent 上线评审的测试和研发。
学完能做什么
能说出评什么、用什么指标、缺陷怎么定级，并按课把 EvalScope 和 Langfuse 接上跑完一批用例。

想让团队一起学？团队培训按范围安排。 预约评估