用途：为智能体系统建立评估框架，用于系统化测试智能体表现、验证上下文工程选择、衡量长期改进、在部署前捕获回归、为智能体流水线建立质量门禁、比较不同配置以及持续评估生产系统。
主要能力：以结果为导向评估，适应智能体的非确定性与多条有效路径；多维度评分标准，覆盖事实准确性、完整性、引用准确性、来源质量与工具效率；LLM-as-judge 实现规模化评估，人工评估捕捉边缘情况；端状态评估用于会改变持久状态的智能体；测试集设计支持按复杂度分层（简单、中等、复杂、极复杂）；上下文工程评估与退化测试；持续评估流水线与生产监控。
使用方式：定义与用例相关的质量维度，创建带清晰等级描述的评分标准，从真实使用模式与边缘案例构建测试集，实现自动化评估流水线，在变更前建立基线指标，对所有重大变更运行评估，长期跟踪指标趋势，并用人工评审补充自动评估。资料中给出示例函数 evaluate_agent_response 与测试集结构示例，可按需参考。
适用场景：智能体性能测试、上下文策略对比、回归检测、质量门禁、配置比较、生产持续监控。
限制与注意：应评估结果而非特定执行路径；避免只关注单一指标；需覆盖边缘案例与真实上下文规模；不能跳过人工评估。资料提到 BrowseComp 评估研究中 token 使用、工具调用次数与模型选择对性能方差的解释，但具体数值与结论应结合自身场景验证。部分实现细节与外部资源暂未提供。