Google 发布 AI 智能体评测实践指南，用 agent-eval 工具包替代 vibe check

Google Developers Blog 发布智能体评测实操指南，介绍用开源 agent-eval 工具包为 LangGraph 等智能体搭建评测流程。文章提出以关键用户旅程（CUJ）定义成功标准、用模拟用户生成初始数据、分四层检查隔离根因，并给出四个陷阱：随意删测试破坏基线、用模糊 1-5 评分而非布尔判断、只看文本忽略延迟与 token 成本、为不同框架重写评测管线。