为什么针对智能体工作流的真实数据集仍然难以找到？

我们在内部开发智能体系统时，一直遇到同样的问题：大多数公开数据集/评估仍然比实际生产环境要干净和可控得多。许多常见的数据集和基准测试是：\- 短交互 \- 干净的工具响应 \- 可预测的工作流 \- 格式良好的用户输入 \- 孤立任务 \- 最少的状态漂移 \- 低模糊/低中断场景 这最终与部署后的智能体系统实际面临的场景大相径庭。我们一直尝试寻找更强的数据集，涵盖：\- 具有长时间运行状态的多步骤工作流 \- 工具故障/部分响应 \- 冲突的工具输出 \- 高中断用户行为 \- 模糊或未明确说明的请求 \- 重试/恢复场景 \- 长时间的对话漂移 \- 在降级条件下运行的智能体 \- 只有在扩展交互链后才会出现的边缘情况。如果能得到关于在哪里能找到此类数据集的建议，我们将不胜感激。感觉大多数公开的智能体数据集仍然低估了系统一旦投入生产流量后实际面临的混乱交互模式。