Google 演示 Agents CLI 评测工作流

2026 年 11 月 2 日，Google Developers Blog 发文，介绍了 Agents CLI 的 eval 工作流，目标是通过持续测试与评分系统性提升 Agent 表现。工作流包含 eval generate、eval grade、eval compare 与 eval optimize 四个环节：eval generate 在数据集上运行 Agent；eval grade 为生成的轨迹打分；eval compare 并排对比两次运行的轨迹；eval optimize 对提示词做自动爬山式优化。

文章还说明了如何集成夜间定时运行与基于阈值的告警，用于跟踪质量随时间的变化，并演示了从首次运行到回归跟踪、模型后端实验与自动告警的完整流程，同时覆盖用并排轨迹对比检测提示词回归、评估模型后端替换、以及自动化评测环节。材料仅此一篇，未提供 Google 官方博客之外的其他信源，也没有其他后续进展或不同说法。