标签
文章主张评测（evals）是企业成为 AI-native 的最大障碍，并给出了 eval-driven development 的指南：定义好的行为、对 agent 进行测试、将失败案例转化为回归测试，并介绍了 grader、case、run、trace 四个核心概念以及确定性检查、参考答案比对等四种打分方式。
吴恩达发布了最新的AI工程师技能地图，详细拆解了构建和部署AI应用的六项核心能力，强调了Eval循环在AI系统工程化中的重要性。
Rippling分享了他们如何构建Rippling AI，这是一个面向HR和薪资管理的自然语言助手，采用了扁平化LangGraph代理、通用工具、基于SQL的数据检索以及评估驱动开发方式。