第 6 章：Agent Eval、回归测试与质量改进

本章完成后的效果

完成本章后，你不再只能说“这次 Demo 看起来不错”，而能回答：

• 哪些任务成功，哪些失败；
• 工具、RAG、模型或 Prompt 哪一层退化；
• 改动是否提高成功率，同时是否增加成本和延迟；
• LLM-as-Judge 的评分是否可信；
• 如何在提交代码时自动阻止明显回归。

---

课程目录

1. 第 35 课：建立 Golden Dataset
2. 第 36 课：实现规则评测器
3. 第 37 课：保存 Trace 并定位失败步骤
4. 第 38 课：谨慎使用 LLM-as-Judge
5. 第 39 课：回归测试和版本对比
6. 第 40 课：创建 Eval Dashboard 和自动化入口