只看得分不够：从 agent 轨迹里找 AX 修复点
eval 分数只反映任务是否完成，轨迹才暴露过程成本与副作用。微软博客记录的五次 Dev Proxy agent 运行全部成功，轨迹中却有 15 个问题，集中在 URL 猜测、错误信息缺示例、重复 workaround、文档边界、默…
发布于 2026-11-10 · 沐小悠 · 约 9 分钟
4 次阅读 阅读 →