Agent 快不等于好：安全违规率与四项观测工具清单

Agent 响应更快不代表任务完成得更好，评估时应同时衡量正确性、资源效率、故障恢复、安全运行和人工干预变化。第 7 项指标关注安全与策略违规率，包括未授权工具调用、被拦截操作、不安全输出和权限故障；监控应与执行 trace 关联，文中推荐 Langfuse、LangSmith、Arize Phoenix 和 OpenTelemetry。