Comet 团队分享支付事故环境中的修复 Agent 评估方法

Comet 团队发布工程博客，介绍在模拟金融服务支付栈中评估事故修复 Agent 的方法。测试故意用 10 种方式、每种 4 个变体破坏系统，并使用开源评估平台 Opik 追踪和评估，再用 Opik Agent Optimizer 优化表现。