Similarweb 如何用 LangSmith 评估长文智能体研究报告

Similarweb 在 LangSmith 中结合确定性检查与 LLM-as-a-judge，评估 Data Studio 智能体输出的长文研究报告。确定性检查验证工具调用与结构化输出，LLM 评审则依据 golden answer 或评分细则打分并给出评语，所有反馈与 trace 关联，可逐条下钻查看。团队还强调评估校准不当比没有评估更糟，并分享了踩坑一周的教训。