Agent 評測與可觀測

📌 規劃佔位頁：本頁為「Agent 評測與可觀測——軌跡級評測方法論、追蹤與失敗分析」預留，內容將隨學習逐步填充。

計畫收錄

• [ ] 分層指標：結果 / 過程 / 安全 / 效率
• [ ] 評測集：模板化任務、驗證器、沙箱重置、參考軌跡
• [ ] 軌跡級 LLM-as-judge：證據抽取與 rubric
• [ ] task / plan / LLM / tool span 設計與失敗分析迴圈
• [ ] 評測-可觀測-門禁閉環

下一步

• [ ] 對照領域概覽的規劃清單逐項完善本頁
• [ ] 為每個條目補充可執行的範例與踩坑記錄
• [ ] 完成後把「規劃中」狀態改為「已收錄」

寫作規範請參閱領域概覽。