从 agent 轨迹里找可访问性缺陷：评分看不出的事
评估分数只回答 agent 有没有完成任务，不回答它在你的 API、CLI 和文档上绕了多少弯路。微软开发者博客记录了一次五次运行全部通过、轨迹里却有 15 个问题的 Dev Proxy 评估：agent 先猜 URL 再搜索、在不…
发布于 2026-11-09 · 沐小悠 · 约 12 分钟
10 次阅读 阅读 →