什么是评估驱动开发？教你如何真正用好AI智能体

据LangChain Blog发布的信息：

开发AI智能体时，程序员常常很难判断最新的代码修改到底是让系统变好了还是变糟了。评估驱动开发（EDD）借鉴了传统软件工程中的测试驱动开发思想，来解决AI输出不稳定的老问题。整个过程主要分为三步：明确成功标准、动工前先写好评估，以及通过不断对比实验来优化。

在实际操作中，你需要先写一份简短的规范，明确智能体该做什么、不该做什么。接着，利用真实用户的历史数据或者合成数据来搭建测试数据集，并编写对应的代码检查或用大模型当裁判。最后，在改代码前先跑一次基准测试，修改后再拿新结果做对比，这样就能一眼看出新改动有没有搞砸原本正常的功能。