每个人都在谈论代理人*可能*做到的事情。但问题是——如果我们无法衡量它们在生产中*实际*交付的内容，这一切都毫无意义。

这就是评估框架的作用。没有可靠的基准？你基本上是在盲目飞行。

刚刚看到MAP论文，老实说，这对整个Agent社区来说是一次必要的现实检验。如果你在这个领域进行构建，这份资料绝对是必读的。