生产环境 Agent 的首个评测集如何构建

生产环境 Agent 的首个评测集可先从真实失败工单入手，再以校准后的 judge 补充真实对话抽样。方法建议选取最近 20-50 个答错工单，为每个任务编写 should-not 孪生用例，稳定通过后移入回归套件，并注意日志脱敏风险。