实验课主张锁定可回放契约而非模型来给 Agent 评分

2026 年 10 月 18 日，DEV Community 的一篇 AI 文章介绍了一套实验课设计，其核心主张是：评分器不应关心某次 Agent 运行由哪个模型产生。作者把这一主张概括为「录制一次、永久回放、离线评分」，并要求每份提交都附带可回放记录，使评分不随免费额度、限流或模型可用性的变化而漂移。

文章提出，如果评分标准会因免费层变化而悄然改变，那实际被评的是供应商，而不是学生。文中还提到，作者观察到学生在训练营进行到第二周左右时反复遇到同一个问题：学生针对当天可免费使用的某个模型搭建 Agent 循环，运行成功后提交。

报道未给出该实验课的具体名称、实施机构或后续结果，目前停在这套设计主张与问题描述的提出阶段。