commerce-agent-evals

发布一个非确定性商业代理，采用快照评估而非对话模拟。涵盖直接构建测试状态、对最终状态和响应进行评分，解释为何模拟用户评估是一种较差的衡量工具及其适用场景，测试基于冗长、混乱且矛盾的历史记录，商业代理的五个覆盖领域，以及在多个团队共享一个代理时如何选择持续集成（CI）测试套件。适用于构建评估套件、决定每次拉取请求应运行哪些测试，或在生产环境中代理出现退化但无任何测试捕获时。

模型生成摘要（rules/v1 · 2026-11-15 03:09）：发布一个非确定性商业代理，采用快照评估而非对话模拟
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-15 03:08	400fdbfe	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。