BFCL

從工具調用到任務完成：如何系統化評估 AI Agent

From Tool Calls to Task Completion: How to Systematically Evaluate AI Agents

AI Agent 評估已從評估單一函式呼叫，演進到在動態環境中驗證多步驟任務的執行結果。本文拆解端到端（E2E）與步驟級評估指標，提供企業級 Agent 部署的測試指南。