智能体调试入门：如何解读追踪记录并运行评估

先说明一下：我在一个智能体可靠性平台工作，但我仍然很难相信，大家到现在还在为读懂智能体的执行轨迹而苦恼。AI 智能体可以给出一个完整、合理的回答，但在幕后依然可能出错。也许它检索到了错误的上下文，或者选择了一个它本不该执行的操作。我和 Antaripa Saha 合作做了一份深入教程，她在评估、搜索和检索方面的能力无人能及——（她与 Hamel Husain 共事，懂的都懂）——我们讨论了这些智能体故障是如何发生的，如何在执行轨迹中找出这些故障，以及如何将这些故障转化为评估用例，从而让智能体在生产环境中可靠运行。这份内容主要是一个教学资源，所以我把它放在评论区，或许会有人觉得有用。欢迎提问，我很乐意解答。