标签: #evaluation

Agent Harness 性能评估指南：比较上下文、工具、记忆、验证、重试和权限，让 Coding Agent benchmark 更接近真实工作负载。

拆解 Google 规模化 Agent Skills 的公开方法：标准结构、CI、With/Without 对照评测、准确率与效率、长期 Owner 和安全导出。