Agent测试工程：从单元验证到系统级评估的方法体系
Agent工程实践系列第十二篇：构建Agent测试四层金字塔——单元验证（prompt模板、工具调用签名、单步推理）、行为测试（场景驱动、边界探测、鲁棒性）、集成测试（E2E流水线、多轮一致性、外部依赖）、系统评估（LLM-as-Judge、对抗测试、回归测试床），覆盖Agent特有的四大失效模式（幻觉级联、工具调用漂移、上下文泄露、对抗性解译），提供可落地的CI流水线和质量指标仪表盘设计。
LLM as Judge
LLM应用评估工程2026：从Red Teaming到持续监测的评测体系与落地实践
系统梳理2026年LLM应用评估工程的关键技术与从开发到生产的全流程评测体系
AI Agent工程实践（第48部分）：Agent评测与测试框架——构建可信赖智能体的质量保障体系
系统讲解AI Agent评测与测试框架的工程实践，涵盖评测体系架构（四层模型）、核心评测维度（任务完成率/效率/鲁棒性/安全性）、开源框架选型（LangSmith/RAGAS/DeepEval）、数据集构建方法、红队测试方法论、生产环境持续评测策略，以及2026年前沿趋势。
AI应用质量评估与自动评测系统(第24部分：当传统QA遇到AI Agent——为非确定性智能体构建可信赖的质量防线)
深入探讨AI应用质量评估的完整工程体系：为什么传统QA范式在AI时代失效、四层指标框架设计、LLM-as-Judge偏差与缓解、评估数据集构建方法论、CI/CD评估门禁工程化、Agent多步骤评估挑战，以及自适应评估等前沿方向。
