如何在 Agent 上生产环境前搭建评测集

文章讲解如何为 AI 智能体搭建评测集：先从日志、客服工单和人工测试中提取真实失败案例，而非让 LLM 生成测试题。建议起步约 50 条用例，按约 20 条真实失败、15 条常见请求、10 条对抗输入、5 条工具异常配比，可靠捕捉 15-20 个百分点的通过率下降。